最近兩週的時間一直在看吳恩達（Andrew Ng）的《Deep Learning》課程，看的過程中，有一種根本停不下來的感覺，這門課由淺入深，將深度學習涉及的理論、概念講的清清楚楚的。

    《Deep Learning》一共分為5個部分，簡要的說：

        第一部分《Neural Networks and Deep Learning》，全面介紹了深度學習的理論，從Logistic迴歸講起，介紹瞭如何一步步構建深度學習神經網路。

        第二部分《Improving Deep Neural Networks: Hyperparameter tuning, Regularization and Optimization

        第三部分《Structuring Machine Learning Projects》，則是講述瞭如何快速構建一個神經網路，以及一些技巧，非常實用。

        第四部分《Convolutional Neural Networks》，針對影象處理，介紹了各種前沿的卷積神經網路，比如YOLO，R-CNN等，然後重點介紹了物體識別、人臉識別、風格遷移等技術。

        第五部分《Sequence Models》，介紹序列模型，重點介紹如何利用RNN處理帶時間序列的資料、應用場景等（本部分我暫時沒看，因為我主要做視覺，影象處理這塊，後面有時間再看）

        介紹完了課程的大概內容，再來說說我的學習過程，首先，我是一名深度學習的小白，基本是什麼都不懂，然後就在網上搜相關的教程，網上都說吳恩達的課程很好，然後就在Coursera上搜了，尷尬的是一開始搜到的是《Machine Learning》，看了幾個視訊之後，感覺不對，然後搜《Deep Learning》才找到真身。另外，網易雲課堂已經引進這門課程：https://mooc.study.163.com/smartSpec/detail/1001319001.htm ，優點是中英對照的字幕，很友好，缺點則是沒有對應的課後作業，看了視訊之後，如果不做作業，效果很不好。所以建議大家可以在網易雲課堂看視訊，然後到Coursera上做作業，二者搭配，相得益彰。

        另外，很多人會擔心深度學習的理論太深，總是望而卻步，不敢去動手學習，但是學了這門課程之後，我覺得深度學習的基礎理論不高深，比大學裡的微積分簡單多了。