【Deep Learning Nanodegree Foundation笔记】第 0 课：课程计划

• 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。