• 第一周

      机器学习的类型,以及何时使用机器学习

      我们将首先简单介绍线性回归和机器学习。这将让你熟悉这些领域的常用术语,你需要了解的技术进展,并了解深度学习在更大的机器学习背景中的位置。

      直播:线性回归

      WEEK 1
      Types of Machine Learning and when to use Machine Learning
      Live session: Linear regression from scratch

    • 第二周

      神经网络的架构和类型

      然后,我们将深入探索神经网络,并了解各种规范架构,如 AlexNet、LeNet 等。我们将使用这些神经网络将含有数字的图像自动转换为相应的数字。

      直播:数值分类

      WEEK 2
      Neural Network Architecture + Types
      Live session: Numerical classification from scratch

    • 第三周

      云计算和情绪分析

      我们将使用 GPU 云计算训练深层神经网络,使用相关模型对目标文本进行简单的情绪分析。

      直播:情绪分析入门,云计算详细指导

      WEEK 3
      Cloud computing + sentiment analysis
      Live session: Sentiment Analysis from scratch + cloud computing detailed instructions

  • 第四周

    数学标记法和推荐系统

    这周,我们将探索推荐系统的世界,例如 Netflix,亚马逊和其他网站使用的那些。你还将学习线性代数基础知识,在整个深度学习课程中,这都很有用。

    直播:多种数学示例和推荐系统

    WEEK 4
    Math Notation + recommender systems
    Live session: Various math examples + recommender system from scratch

  • 第五周

    数据准备(数据清洗、正则化、降维)

    要实际应用深度学习,关键之一是收集正确的训练数据。在本课中,我们将探讨可以用来清洗和正则化数据的各种技术,让你训练出有效的模型。

    直播:数据准备

    WEEK 5
    Data preparation (cleaning, regularization, dimensionality reduction)
    Live session: Data prep from scratch

  • 第六周

    无人机图像追踪

    卷积神经网络(CNN)是目前神经网络领域最令人振奋的进步之一,它现在已经可以比人类更出色地对图像中的物体分类。在本课中,我们将学习这些神经网络背后的原理,并使用它们来追踪无人机图像。

    直播:图片分类

    WEEK 6
    Drone image tracking
    Live session: Image classification from scratch

  • 第七周

    预测

    在本课中,我们将了解递归神经网络(RNN),一种特别适合时间序列数据的神经网络架构。我们会把它应用到一些最重要的时间序列数据——股票价格!

    直播:股票价格预测

    WEEK 7
    Stock prediction
    Live session: Stock prediction from scratch

  • 第八周

    艺术品生成

    除了简单的预测,深层神经网络现在也能够基于样本生成音乐,图像和艺术品。在本课中,我们将通过一种称为“风格迁移(Style Transfer)”的技术,使用神经网络来创建基于我们输入的艺术品的新艺术品。

    直播:艺术风格迁移

    WEEK 8
    Art generation
    Live session: Artistic Style transfer from scratch

  • 第九周

    音乐生成(将 LSTM 神经网络应用于音频)

    正如 DeepMind 著名的 Wavenet 论文所表明,神经网络也可以应用于处理音频。在本课中,我们将使用一种称为 LSTM 的递归神经网络来基于现有样本生成新的音乐片段。

    直播:音乐生成

    WEEK 9
    Music generation (LSTMs applied to Audio)
    Live session: Generating music from scratch

  • 第十周

    诗歌生成(将 LSTM 神经网络应用于自然语言处理)

    我们已经生成了图像和音乐,本周,我们将扩展到文本和语言,使用 LSTM 来基于训练数据生成新颖的书写样本。

    直播:文本生成

    WEEK 10
    Poetry generation (LSTMs applied to NLP)
    Live session: Text generation from scratch

  • 第十一周

    语言翻译(序列至序列学习)

    机器翻译最近取得的进展,很大程度上归功于神经网络。最新版本的谷歌翻译和百度翻译都使用深度学习架构,来将文字从一种语言翻译成另一种语言。这是使用一种称为序列至序列学习(Sequence to Sequence Learning)的过程完成的,我们将在本课中探讨。

    直播:语言翻译

    W E E K 11
    Language translation (sequence to sequence)
    Live session: Language translation from scratch

  • 第十二周

    语音聊天机器人 QA 系统

    我们进一步探索序列至序列学习,构建我们自己的聊天机器人 QA 系统,回答用户的各类问题。

    直播:聊天机器人

    WEEK 12
    Chatbot QA System with voice
    Live session: Chatbot from scratch

  • 第十三周

    游戏机器人(通过蒙特卡洛树搜索进行强化学习)

    深度学习领域最有趣的一些进展,发生在增强学习领域。神经网络通过动态的即时数据学习并调整,而不是使用过时的数据来训练。我们将应用强化学习构建简单的游戏机器人,让它可以在各种 Atari 游戏中获胜。

    直播:游戏机器人

    WEEK 13
    Game bot 2D (reinforcement learning via Monte-Carlo tree search)
    Live session: Game bot from scratch

  • 第十四周

    图片压缩

    深度学习也可以用来显著地改善压缩技术。在本课中,我们将使用深度学习来构建自动编码器,它可以自动找到数据稀疏样本。

    直播:自动编码器

    WEEK 14
    Image compression
    Live session: Autoencoder from scratch

  • 第十五周

    数据可视化

    在本课中,你将应用深层学习来检测数据中的异常值。这在用来防止信用卡欺诈的应用中非常有用。

    直播:数据可视化

    WEEK 15
    Data visualization
    Live session: Data visualization from scratch

  • 第十六周

    图片生成

    生成对抗网络(GAN)是深度学习中最深层的进步之一。你将探索这个新概念,使用计算机生成图像。大多数人不会相信这些图片是计算机生成的!

    直播:生成对抗网络(GAN)

    WEEK 16
    Image generation
    Live session: Generative adversarial network from scratch

  • 第十七周

    小样本学习(概率规划)

    最后,我们将介绍小样本学习(one-shot learning)——神经网络只能从一个(或几个)样本中学习,而不是大量数据。

    直播:小样本学习

    WEEK 17
    One-shot learning (Probabilistic Programming)
    Live session: One shot learning from scratch

    实战项目 1

    你的第一个神经网络  Your First Neural Network

    搭建一个简单的神经网络,预测共享单车的使用情况。

    实战项目 2

    物体识别  Object Recognition

    搭建一个神经网络,可以识别图片中的物体。

    实战项目 3

    生成电视剧剧本  Generate TV Scripts

    使用深度学习,为你最喜爱的电视连续剧生成剧本。

    实战项目 4

    开发翻译机器人 Make a Translation Chatbot

    开发一个翻译机器人,可以在你与朋友聊天时帮你即时翻译。

    实战项目 5

    生成人脸  Generate Faces

    使用生成对抗网络(GAN)来生成原创的人脸图像。

【Deep Learning Nanodegree Foundation笔记】第 0 课:课程计划的更多相关文章

  1. 【Deep Learning Nanodegree Foundation笔记】第 1 课:INTRODUCTION Welcome

    Welcome to the Deep Learning Nanodegree Foundations Program! In this lesson, you'll meet your instru ...

  2. 【Deep Learning Nanodegree Foundation笔记】第 10 课:Sentiment Analysis with Andrew Trask

    In this lesson, Andrew Trask, the author of Grokking Deep Learning, will walk you through using neur ...

  3. 【Deep Learning Nanodegree Foundation笔记】第 7 课:NEURAL NETWORKS Intro to Neural Networks

    In this lesson, you'll dive deeper into the intuition behind Logistic Regression and Neural Networks ...

  4. 【Deep Learning Nanodegree Foundation笔记】第 5 课:Logistic Regression

    Learn about linear regression and logistic regression models. These simple machine learning models a ...

  5. 【Deep Learning Nanodegree Foundation笔记】第 9 课:Model Evaluation and Validation

    In this lesson, you'll learn some of the basics of training models. You'll learn the power of testin ...

  6. Deep Learning.ai学习笔记_第一门课_神经网络和深度学习

    目录 前言 第一周(深度学习引言) 第二周(神经网络的编程基础) 第三周(浅层神经网络) 第四周(深层神经网络) 前言 目标: 掌握神经网络的基本概念, 学习如何建立神经网络(包含一个深度神经网络), ...

  7. Deep Learning.ai学习笔记_第五门课_序列模型

    目录 第一周 循环序列模型 第二周 自然语言处理与词嵌入 第三周 序列模型和注意力机制 第一周 循环序列模型 在进行语音识别时,给定一个输入音频片段X,并要求输出对应的文字记录Y,这个例子中输入和输出 ...

  8. Deep Learning.ai学习笔记_第四门课_卷积神经网络

    目录 第一周 卷积神经网络基础 第二周 深度卷积网络:实例探究 第三周 目标检测 第四周 特殊应用:人脸识别和神经风格转换 第一周 卷积神经网络基础 垂直边缘检测器,通过卷积计算,可以把多维矩阵进行降 ...

  9. Deep Learning.ai学习笔记_第三门课_结构化机器学习项目

    目录 第一周 机器学习策略(1) 第二周 机器学习策略(2) 目标:学习一些机器学习优化改进策略,使得搭建的学习模型能够朝着最有希望的方向前进. 第一周 机器学习策略(1) 搭建机器学习系统的挑战:尝 ...

随机推荐

  1. linux cp复制目录所有文件

    mkdir gpio cp -r build/ /home/yl/gpio 这样就把build目录及所有文件都拷贝到gpio文件夹中.

  2. TCP超时与重传机制与拥塞避免

    TCP超时与重传机制 TCP协议是一种面向连接的可靠的传输层协议,它保证了数据的可靠传输,对于一些出错,超时丢包等问题TCP设计的超时与重传机制. 基本原理:在发送一个数据之后,就开启一个定时器,若是 ...

  3. 20. ClustrixDB explain参数解读

    ClustrixDB有一个流模型,它从容器(表和索引)开始并通过操作符图对行进行流处理.ClustrixDB有一组丰富的操作符,随着更多功能和优化的添加,这些操作符偶尔会增加.我们使用一个地方来记录操 ...

  4. HTTP 请求出现 405 not allowed 的一种解决办法

    问题:http post请求网页会出现405 原因: Apache.IIS.Nginx等绝大多数web服务器,都不允许静态文件响应POST请求 解决:将post请求改为get请求

  5. CF1073D Berland Fair 二分+线段树

    考场上切的,挺简单的~ Code: #include <cstdio> #include <algorithm> #define N 200005 #define inf 10 ...

  6. CF D. Number Of Permutations 排列

    挺水的一道题~ 拿全排列随便乘一下就好了. #include <cstdio> #include <algorithm> #define N 300004 #define ll ...

  7. POJ 1087 最大流裸题 + map

    A Plug for UNIX Time Limit: 1000MS   Memory Limit: 65536K Total Submissions: 15597   Accepted: 5308 ...

  8. Color a Tree

    题目链接:Click here Solution: 看起来不太能dp,则考虑树上贪心 题目要求一个点必须先染父亲才能染自己,就给了我们启示,贪心的合并点 我们定义一个点的权重为这个点的价值和/点数,然 ...

  9. [CSP-S模拟测试]:陶陶摘苹果(线段树维护单调栈)

    题目传送门(内部题116) 输入格式 第一行两个整数$n,m$,如题 第二行有$n$个整数表示$h_1-h_n(1\leqslant h_i\leqslant 10^9)$ 接下来有$m$行,每行两个 ...

  10. css实现动态阴影、蚀刻文本、渐变文本

    css实现动态阴影 创建与类似的阴影box-shadow 而是基于元素本身的颜色. 代码实现: <div class="dynamic-shadow-parent"> ...