【中文】【deplearning.ai】【吴恩达课后作业目录】
| 【目录】【吴恩达课后作业目录】 | |||||
| 吴恩达深度学习相关资源下载地址(蓝奏云) | |||||
| 课程 | 周数 | 名称 | 类型 | 语言 | 地址 |
| 课程1 - 神经网络和深度学习 | 第1周 | 深度学习简介 | 测验 | 中英 | 传送门 |
| 无编程作业 | 编程作业 | —— | —— | ||
| 第2周 | 神经网络基础 | 测验 | 中英 | 传送门 | |
| 具有神经网络思维的Logistic回归 | 编程作业 | 中文 | 传送门 | ||
| 第3周 | 浅层神经网络 | 测验 | 中英 | 传送门 | |
| 带有一个隐藏层的平面数据分类 | 编程作业 | 中文 | 传送门 | ||
| 第4周 | 深度神经网络的关键概念 | 测验 | 中英 | 传送门 | |
| 一步步搭建多层神经网络以及应用(1 & 2) | 编程作业 | 中文 | 传送门 | ||
| 课程2 - 改善深层神经网络 | 第1周 | 深度学习的实践 | 测验 | 中英 | 传送门 |
| 初始化、正则化、梯度校验(1 & 2 & 3) | 编程作业 | 中文 | 传送门 | ||
| 第2周 | 优化算法 | 测验 | 中英 | 传送门 | |
| 优化算法实战 | 编程作业 | 中文 | 传送门 | ||
| 第3周 | 超参数调整,批量标准化,编程框架 | 测验 | 中英 | 传送门 | |
| TensorFlow入门 | 编程作业 | 中文 | 传送门 | ||
| 课程3 - 结构化机器学习项目 | 第1周 | 和平之城中的鸟类识别(案例研究) | 测验 | 中英 | 传送门 |
| 无编程作业 | 编程作业 | —— | —— | ||
| 第2周 | 自动驾驶(案例研究) | 测验 | 中英 | 传送门 | |
| 无编程作业 | 编程作业 | —— | —— | ||
| 课程4 - 卷积神经网络 | 第1周 | 卷积神经网络的基本知识 | 测验 | 中英 | 传送门 |
| 搭建卷积神经网络模型以及应用(1&2) | 编程作业 | 中文 | 传送门 | ||
| 第2周 | 深度卷积模型 | 测验 | 中英 | 传送门 | |
| Keras入门与残差网络的搭建 | 编程作业 | 中文 | 传送门 | ||
| 第3周 | 检测算法 | 测验 | 中英 | 传送门 | |
| 车辆识别 | 编程作业 | 中文 | 传送门 | ||
| 第4周 | 特殊应用:人脸识别和神经风格转换 | 测验 | 中英 | 传送门 | |
| 人脸识别与神经风格转换 | 编程作业 | 中文 | 传送门 | ||
| 课程5 - 序列模型 | 第1周 | 循环神经网络 | 测验 | 中英 | 传送门 |
| 搭建循环神经网络及其应用 | 编程作业 | 中文 | 传送门 | ||
| 第2周 | 自然语言处理与词嵌入 | 测验 | 中英 | 传送门 | |
| 词向量的运算与Emoji生成器 | 编程作业 | 中文 | 传送门 | ||
| 第3周 | 序列模型与注意力机制 | 测验 | 中英 | 传送门 | |
| 机器翻译与触发词检测 | 编程作业 | 中文 | 传送门 | ||
| 吴恩达深度学习相关资源下载地址(蓝奏云) | |||||
https://blog.csdn.net/u013733326/article/details/79827273
【中文】【deplearning.ai】【吴恩达课后作业目录】的更多相关文章
- 吴恩达课后作业学习2-week1-2正则化
参考:https://blog.csdn.net/u013733326/article/details/79847918 希望大家直接到上面的网址去查看代码,下面是本人的笔记 4.正则化 1)加载数据 ...
- 【吴恩达课后测验】Course 1 - 神经网络和深度学习 - 第一周测验【中英】
[吴恩达课后测验]Course 1 - 神经网络和深度学习 - 第一周测验[中英] 第一周测验 - 深度学习简介 和“AI是新电力”相类似的说法是什么? [ ]AI为我们的家庭和办公室的个人设备供电 ...
- 吴恩达课后作业学习1-week4-homework-two-hidden-layer -1
参考:https://blog.csdn.net/u013733326/article/details/79767169 希望大家直接到上面的网址去查看代码,下面是本人的笔记 两层神经网络,和吴恩达课 ...
- 吴恩达课后作业学习1-week4-homework-multi-hidden-layer -2
参考:https://blog.csdn.net/u013733326/article/details/79767169 希望大家直接到上面的网址去查看代码,下面是本人的笔记 实现多层神经网络 1.准 ...
- 吴恩达课后作业学习2-week1-1 初始化
参考:https://blog.csdn.net/u013733326/article/details/79847918 希望大家直接到上面的网址去查看代码,下面是本人的笔记 初始化.正则化.梯度校验 ...
- 【吴恩达课后测验】Course 1 - 神经网络和深度学习 - 第二周测验【中英】
[中英][吴恩达课后测验]Course 1 - 神经网络和深度学习 - 第二周测验 第2周测验 - 神经网络基础 神经元节点计算什么? [ ]神经元节点先计算激活函数,再计算线性函数(z = Wx + ...
- 【吴恩达课后编程作业】第二周作业 - Logistic回归-识别猫的图片
1.问题描述 有209张图片作为训练集,50张图片作为测试集,图片中有的是猫的图片,有的不是.每张图片的像素大小为64*64 吴恩达并没有把原始的图片提供给我们 而是把这两个图片集转换成两个.h5文件 ...
- 吴恩达课后作业学习1-week2-homework-logistic
参考:https://blog.csdn.net/u013733326/article/details/79639509 希望大家直接到上面的网址去查看代码,下面是本人的笔记 搭建一个能够 “识别猫” ...
- 吴恩达课后作业学习1-week3-homework-one-hidden-layer
参考:https://blog.csdn.net/u013733326/article/details/79702148 希望大家直接到上面的网址去查看代码,下面是本人的笔记 建立一个带有隐藏层的神经 ...
随机推荐
- 个人微信公众号搭建Python实现 -个人公众号搭建-构想(14.3.1)
@ 目录 1.需求 2.怎么做 关于作者 1.需求 个人便捷工具 2.怎么做 针对个人未认证订阅号拥有以下权限 以及微信网页的一些权限,但是由于开发微信网页有限制 可定制功能只有被动回复,以及这个素材 ...
- 第十章 Seata--分布式事务
承接上篇 ,终于我们迎来了最后一章 第九章 Nacos Config–服务配置,第十章 Seata–分布式事务,感谢你能学习到这 !废话不多说,撸码 10.1 分布式事务基础 10.1.1 事务 事务 ...
- UWP 自定义RadioButton实现Tab底部导航
先看效果: 参照Android的实现方式用RadioButton来实现,但是Uwp的RadioButton并没有安卓的Selector选择器 下面是一个比较简单的实现,如果有同学有更好的实现,欢迎留言 ...
- k8s的kube-proxy
kube-proxy 运行在每个节点上,监听 API Server 中服务对象的变化,再通过管理 IPtables 来实现网络的转发. Kube-Proxy 不同的版本可支持三种工作模式: Use ...
- 登录&单点登录介绍
COOKIE & SESSION & TOKEN 主要用来跟踪会话,识别用户所用.cookie 是客户端,session 是服务端的. 因为 http 是无状态协议,每一次的访问都不知 ...
- 页面中嵌套iframe,微信浏览器长按二维码识别不了
问题:在微信浏览器内,页面中嵌套iframe,iframe中用户触发事件后有个弹框会显示二维码,用户长按二维码可以识别并跳转.尝试了一下,安卓是正常的,但是ios是识别不了的. 解决过程: 1.这里客 ...
- Vue - MVVM模式及优点
MVVM模式 视图层和数据层的双向绑定,让我们无需再去关心DOM操作的事情,更多的精力放在数据和业务逻辑上去 MVVM是Model-View-ViewModel的缩写.MVVM是一种设计思想. Mod ...
- CentOS 7 最小化安装及优化
CentOS 7 最小化安装及优化 目录 CentOS 7 最小化安装及优化 一.下载镜像文件 官方网站 国内镜像源 一.VMware 配置虚拟网络 二.VMware 新建虚拟机 三.CentOS 7 ...
- 线程方法wait()和notify()的使用
实现需求: 开启2个线程,1个线程对某个int类型成员变量加1,另外1个减1,但是要次序执行,即如果int型的成员变量是0,则输出01010101这样的结果 代码如下 1 package test; ...
- 2.1 关系型数据的收集--Sqoop
Sqoop应用场景: 1.数据迁移,将关系型数据库中的数据导入Hadoop存储系统 2.可视化分析结果,将Hadoop处理之后产生的结果导入关系型数据库,以便进行可视化展示 3.数据增量导入:减少ha ...