《吴恩达深度学习课程》是众多深度学习课程中十分经典的一门好课。本项目总结了我们在学习吴恩达深度学习课程的学习笔记。赠人玫瑰，手留余香，我们将所有的笔记开源，希望在自己学习的同时，也对大家学习掌握《吴恩达深度学习课程》有所帮助。
本项目的特色：
- 笔记与原课程视频一一对应，可以帮助大家一边听课一边理解。
- 通过图解来使得笔记尽量通俗易懂
- 附带课程编程作业的代码实现
课程视频共五大课，十五小节，每个小节的视频大概可以用一周时间学习，预计三～四个月可以学习完毕。
本项目所用徽章来自互联网，如侵犯了您的图片版权请联系我们删除，谢谢。 并且由于我们的水平有限，有任何问题和错误请批评指正，谢谢。
课程介绍：深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能(AI, Artificial Intelligence)。《吴恩达深度学习课程》的语言是Python，使用的框架是Google开源的TensorFlow。最吸引人之处在于，课程导师就是吴恩达本人，且课程对卷积神经网络 (CNN)、递归神经网络 (RNN)、长短期记忆 (LSTM) 等深度学习常用的网络结构、工具和知识都有涉及。
- 吴恩达深度学习课程第一课：深度学习和神经网络
- 吴恩达深度学习课程第二课：改善神经网络
- 吴恩达深度学习课程第三课：结构机器学习项目
- 吴恩达深度学习课程第四课：卷积神经网络
- 吴恩达深度学习课程第五课：序列模型
| 课程 | 小节 | 视频 | 笔记 |
|---|---|---|---|
| 第一课：深度学习和神经网络 | 第一周：深度学习概论 |  |
深度学习概论 |
| 第二周-神经网络基础 |  |
神经网络基础 | |
| 第三周-浅层神经网络 |  |
浅层神经网络 | |
| 第四周-深层神经网络 |  |
深层神经网络 | |
| 课后作业 | 课后作业 | ||
| 编程作业 | 编程作业 | ||
| 第二课：改善神经网络 | 第一周：深度学习的实用层面 |  |
深度学习的实用层面 |
| 第二周：优化算法 |  |
优化算法 | |
| 第三周：超参数调试、正则化以及优化 |  |
超参数调试、正则化以及优化 | |
| 课后作业 | 课后作业 | ||
| 编程作业 | 编程作业 | ||
| 第三课：结构化机器学习项目 | 第一周：机器学习策略（上） |  |
机器学习策略 |
| 第二周：机器学习策略（下） |  |
机器学习策略 | |
| 课后作业 | 课后作业 | ||
| 编程作业 | 编程作业 | ||
| 第四课：卷积神经网络 | 第一周：卷积神经网络 |  |
卷积神经网络 |
| 第二周：深度卷积网络：实例探究 |  |
深度卷积网络：实例探究 | |
| 第三周：目标检测 |  |
目标检测 | |
| 第四周：人脸识别 |  |
人脸识别 | |
| 课后作业 | 课后作业 | ||
| 编程作业 | 编程作业 | ||
| 第五课：序列模型 | 第一周：循环序列模型 |  |
循环序列模型 |
| 第二周：自然语言处理与词嵌入 |  |
自然语言处理与词嵌入 | |
| 第三周：序列模型和注意力机制 |  |
序列模型和注意力机制 | |
| 课后作业 | 课后作业 | ||
| 编程作业 | 编程作业 |
感谢以下同学对本项目的组织
感谢以下同学对本项目的支持与贡献