来自python数据科学
很多同学都是看吴恩达 Andrew Ng的视频学习机器学习和深度学习的,当然学习就要做笔记。这不,一位名叫Tess Ferrandez的学习爱好者在分享了一套自己的课程笔记,收获了3k+赞和1k+次转发。笔记很好地总结了学习内容,共28张精辟的手绘图。
链接: https://www.slideshare.net/TessFerrandez/notes-from-coursera-deep-learning-courses-by-andrew-ng
▍28张deeplearning总结图
1. 深度学习介绍
2. 逻辑回归
3. 浅层神经网络
4. 深层神经网络
5. 设置你的机器学习应用程序
6. 正则化防止过拟合
7. 优化训练
8. 优化算法
9. 超参数调试
10. 构建你的机器学习项目
11. 错误分析
12. 训练 vs 验证/测试 失配
13. 扩展学习
14. 卷积基础
15. Padding
16. 深层 CNN
17. 典型的 CNN 模型
18. 特别网络-ResNet
19. 实用建议
20. 检测算法
21. 人脸识别
22. 神经风格迁移
23. 循环神经网络
24. 更多 RNN 模型
25. NLP-词嵌入
26. 词嵌入详解
27. 序列到序列基本模型
28. 序列到序列
▍deeplearning思维导图