本课程已是2021最新版。在本课程中，您将学习深度学习的基础理论与工作原理。当完成这门课的时候，您可以:了解推动深度学习的主要技术趋势;构建、训练和应用全连接的深度神经网络;知道如何实现有效的(矢量化)神经网络;理解神经网络结构中的关键参数。我们希望完成课程后，您能够将深度学习应用到工作中。如果您正在寻找一份人工智能相关的工作，在学习这门课程之后，您将能够回答基本的面试问题。

本课程已是2021最新版。本课程将教您如何让深度学习发挥“魔法”。深度学习过程不是一个黑匣子，您将理解驱动性能的原因，以及如何能够更系统地获得良好的结果。您还将学习TensorFlow。通过3周的学习，您将:了解构建深度学习应用的行业最佳实践;能够有效地使用常用神经网络的“技巧”,包括初始化、正规则方法、批标准化,梯度检查;能够实现和应用各种优化算法,如mini-batch梯度下降法、动量、RMSprop和Adam，检查他们的集合;了解深度学习时代的最佳实践，如何建立训练/开发/测试集，并分析偏差/方差;能够在TensorFlow中实践神经网络。

本课程已是2021最新版。您将通过本课程学习如何构建一个成功的机器学习项目。如果您渴望成为人工智能领域的技术领导者，并知道如何为您的团队设定工作方向，本课程将为您提供指导。本课程的很多内容都是我从构建和发布深度学习产品及项目的经验中得来，其他地方从未教授。本课程还有两个“飞行模拟器”项目，让您作为机器学习项目负责人练习决策制定。这将给您提供只有在机器学习领域工作多年之后才能获得的“行业经验”。通过2周的学习, 您将:了解如何诊断机器学习系统中的错误;能够学会优先考虑减少误差的最有前途的方向;理解复杂的机器学习设置，如不匹配的训练/测试集；比较和/或超越人类水平表现;知道如何应用端到端学习,转移学习和多任务学习。我见过一些团队浪费几个月或几年在不理解原则的情况下教授这门课。我希望这两周的课程能帮您节省几个月的时间。这是一个独立的课程，只要您有基本的机器学习知识，就可以学习这门课程。

本课程已是2021最新版。本课程将教您如何构建卷积神经网络并将其应用于图像数据。多亏了深度学习，计算机视觉的运用已趋于成熟，这使得许多令人兴奋的应用得以实现，从安全自动驾驶，到准确的人脸识别，再到自动读取放射学图像。通过这门课程，您将：了解如何建立一个卷积神经网络，包括最近的变化，如残差网络;了解如何将卷积网络应用于视觉检测和识别任务;了解使用神经风格迁移来生成艺术;能够将这些算法应用到各种图像，视频，和其他2D或3D数据上。

本课程已是2021最新版。本课程将教您如何为自然语言、音频和其他序列数据建立模型。多亏了深度学习，序列算法的应用效果也已趋于成熟，这使得语音识别、音乐合成、聊天机器人、机器翻译、自然语言理解等领域的众多令人兴奋的应用成为可能。您将：了解如何构建和训练递归神经网络(RNN)及常用的变体，如GRUs和LSTMs;能够将序列模型应用于自然语言问题，包括文本合成;能够将序列模型应用到音频应用中，包括语音识别和音乐合成。这是深度学习专业课的第五门，也是最后一门课程。Deeplearning.ai还与英伟达深度学习研究所在课程5-序列模型的课程制作中进行合作，提供使用深度学习的机器翻译编程作业。您将有机会构建一个具有前沿、行业相关内容的深度学习项目。