吴恩达的新深度学习课程什么样？我们试听了一下 | 附视频

问耕 发自 凹非寺 量子位 报道 | 公众号 QbitAI

注册之后，可以获得七天免费试听。不过在这之前，你首先需要输入一张信用卡/储蓄卡，或者Paypal账户的相关信息，用于支付未来的学习费用。

如果7天后，你没有取消听课，每个月会从你的账上扣除49美元。

接着，我们就进入到《深度学习专项课程》的课程首页。

首先，页面上方有一个醒目的提示：“要获得证书， 请通过提交政府颁发的身份证来验证您的身份。”也就是说，你学完这个课程，想要得到一张“吴恩达嫡传真功夫已got”的证书，需要上传身份证、护照或驾照等信息。

△ 吴恩达欢迎信和认证提示

接下来，是一封吴恩达的欢迎信。在这封信里，吴恩达建议用户浏览探索课程网站，查看每周会讲到的知识点和素材，并预览需要完成的课程。另外，所有参与学习的用户，还能在论坛里与同学们一起探讨。

整个课程会从8月15开始，会在9月18日结束。

课程开始前，首先是一个欢迎视频，时长大约五分钟。在这段视频里，吴恩达介绍了AI的发展历程和现状，更重要的是，吴恩达介绍了这次《深度学习专项课程》的五节课，都会大致讲述哪些内容。

△ 吴恩达欢迎视频中的课程介绍截图

• 第一课：神经网络和深度学习
• 第二课：改进深度神经网络：超参数调优、正则化和优化
• 第三课：构建机器学习项目
• 第四课：卷积神经网络
• 第五课：自然语言处理：构建序列模型

这五节课，会在一个月的时间里陆续讲完，每一课会进一步细分，每周讲授不同内容。接下来，我们先把第一周的课程大致情况介绍一下。

第一周的课程是： Introduction to deep learning（深度学习简介）

学习目标：

• 了解推动深度学习兴起的主要趋势
• 能够解释深度学习为何适用监督学习
• 了解主要的模型类别，例如CNN和RNN，以及各自的适用范围
• 能够基本判断深度学习适用与否

正式课程内容包括五段视频：

• 什么是神经网络（7分钟）
• 神经网络的监督学习（8分钟）
• 神经网络的兴起（10分钟）
• 关于课程（2分钟）
• 课程资源（1分钟）

然后是关于这周课程的10个测试题。

最后还有一段推荐的视频访谈，访谈的对象是Geoffrey Hinton，也被称为“神经网络之父”，时长40分钟。

是不是感觉第一周的课程轻松又愉快？

然后我们看看第二周的课程是怎样的。

第二周的课程是： Neural Networks Basics（神经网络基础）

学习目标：

• 使用浅层神经网络架构，搭建一个逻辑回归模型
• 实现机器学习算法的主要步骤，包括进行预测、微分计算和梯度下降
• 实现计算高效、高度向量化的模型
• 了解如何使用反向传播思维来计算逻辑回归的导数
• 熟悉Python和Numpy
• 使用iPython Notebooks
• 能够跨多个训练模型实现向量化

课程视频第一部分：作为神经网络的逻辑回归

• 二进制分类（8分钟）
• 逻辑回归（5分钟）
• 逻辑回归成本函数（8分钟）
• 梯度下降（11分钟）
• 导数（7分钟）
• 更多导数案例（10分钟）
• 计算图（3分钟）
• 带计算图的导数（14分钟）
• 逻辑回归梯度下降（6分钟）
• m案例的梯度下降（8分钟）

课程视频第二部分：Python和向量化

• 向量化（8分钟）
• 更多向量化案例（6分钟）
• 向量化逻辑回归（7分钟）
• 向量化逻辑回归的梯度输出（9分钟）
• Python中的广播（11分钟）
• Python/Numpy向量简介（6分钟）
• Jupyter/iPython Notebooks速览（3分钟）
• 逻辑回归成本函数解析（选修，7分钟）

这一周课程也有10个关于基本神经网络的试题

编程作业

• FAQ常见问题解答
• Python基础和Numpy（选修） 及练习编程作业
• 使用神经网络思维的逻辑回归 及练习编程作业

最后还是一段选看的视频访谈，访谈的对象是Pieter Abbeel，UC Berkeley教授、OpenAI的研究科学家，时长16分钟。

上述课程视频，都可以下载观看，同时提供英文字幕。

当然，如果你想要吴恩达背书的深度学习研修证书，还是得交钱报名~

胖友们，有谁报名了，可以跟我们聊下嘛？