這些課程專為已有一定基礎(chǔ)（基本的編程知識(shí)，熟悉 Python、對(duì)機(jī)器學(xué)習(xí)有基本了解），想要嘗試進(jìn)入人工智能領(lǐng)域的計(jì)算機(jī)專業(yè)人士準(zhǔn)備。介紹顯示：“深度學(xué)習(xí)是科技業(yè)最熱門的技能之一，本課程將幫你掌握深度學(xué)習(xí)。” 在這 5 堂課中，學(xué)生將可以學(xué)習(xí)到深度學(xué)習(xí)的基礎(chǔ)，學(xué)會(huì)構(gòu)建神經(jīng)網(wǎng)絡(luò)，并用在包括吳恩達(dá)本人在內(nèi)的多位業(yè)界頂尖專家指導(dǎo)下創(chuàng)建自己的機(jī)器學(xué)習(xí)項(xiàng)目。Deep Learning Specialization 對(duì)卷積神經(jīng)網(wǎng)絡(luò) （CNN）、遞歸神經(jīng)網(wǎng)絡(luò) （RNN）、長短期記憶 （LSTM） 等深度學(xué)習(xí)常用的網(wǎng)絡(luò)結(jié)構(gòu)、工具和知識(shí)都有涉及。課程中也會(huì)有很多實(shí)操項(xiàng)目，幫助學(xué)生更好地應(yīng)用自己學(xué)到的深度學(xué)習(xí)技術(shù)，解決真實(shí)世界問題。這些項(xiàng)目將涵蓋醫(yī)療、自動(dòng)駕駛、和自然語言處理等時(shí)髦領(lǐng)域，以及音樂生成等等。Coursera 上有一些特定方向和知識(shí)的資料，但一直沒有比較全面、深入淺出的深度學(xué)習(xí)課程——《深度學(xué)習(xí)專業(yè)》的推出補(bǔ)上了這一空缺。

　　深度學(xué)習(xí)改變了傳統(tǒng)互聯(lián)網(wǎng)業(yè)務(wù)，例如如網(wǎng)絡(luò)搜索和廣告。但是深度學(xué)習(xí)同時(shí)也使得許多新產(chǎn)品和企業(yè)以很多方式幫助人們，從獲得更好的健康關(guān)注。深度學(xué)習(xí)做的非常好的一個(gè)方面就是讀取 X 光圖像，到生活中的個(gè)性化教育，到精準(zhǔn)化農(nóng)業(yè)，甚至到駕駛汽車以及其它一些方面。如果你想要學(xué)習(xí)深度學(xué)習(xí)的這些工具，并應(yīng)用它們來做這些令人窒息的操作，本課程將幫助你做到這一點(diǎn)。當(dāng)你完成 cousera 上面的這一系列專項(xiàng)課程，你將能更加自信的繼續(xù)深度學(xué)習(xí)之路。在接下來的十年中，我認(rèn)為我們所有人都有機(jī)會(huì)創(chuàng)造一個(gè)驚人的世界和社會(huì)，這就是 AI（人工智能）的力量。我希望你們能在創(chuàng)建 AI（人工智能）社會(huì)的過程中發(fā)揮重要作用。我認(rèn)為 AI 是最新的電力，大約在一百年前，我們社會(huì)的電氣化改變了每個(gè)主要行業(yè)，從交通運(yùn)輸行業(yè)到制造業(yè)、醫(yī)療保健、通訊等方面，我認(rèn)為如今我們見到了 AI 明顯的令人驚訝的能量，帶來了同樣巨大的轉(zhuǎn)變。顯然，AI 的各個(gè)分支中，發(fā)展的最為迅速的就是深度學(xué)習(xí)。因此現(xiàn)在，深度學(xué)習(xí)是在科技世界中廣受歡迎的一種技巧。通過這個(gè)課程，以及這門課程后面的幾門課程，你將獲取并且掌握那些技能。下面是你將學(xué)習(xí)到的內(nèi)容：在 cousera 的這一系列也叫做專項(xiàng)課程中，在第一門課中（神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)），你將學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)，你將學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)，這門課將持續(xù)四周，專項(xiàng)課程中的每門課將持續(xù) 2 至 4 周。但是在第一門課程中，你將學(xué)習(xí)如何建立神經(jīng)網(wǎng)絡(luò)（包含一個(gè)深度神經(jīng)網(wǎng)絡(luò)），以及如何在數(shù)據(jù)上面訓(xùn)練他們。在這門課程的結(jié)尾，你將用一個(gè)深度神經(jīng)網(wǎng)絡(luò)進(jìn)行辨認(rèn)貓。由于某種原因，第一門課會(huì)以貓作為對(duì)象識(shí)別。接下來在第二門課中，我們將使用三周時(shí)間。你將進(jìn)行深度學(xué)習(xí)方面的實(shí)踐，學(xué)習(xí)嚴(yán)密地構(gòu)建神經(jīng)網(wǎng)絡(luò)，如何真正讓它表現(xiàn)良好，因此你將要學(xué)習(xí)超參數(shù)調(diào)整、正則化、診斷偏差和方差以及一些高級(jí)優(yōu)化算法，比如 Momentum 和 Adam 算法，猶如黑魔法一樣根據(jù)你建立網(wǎng)絡(luò)的方式。第二門課只有三周學(xué)習(xí)時(shí)間。在第三門課中，我們將使用兩周時(shí)間來學(xué)習(xí)如何結(jié)構(gòu)化你的機(jī)器學(xué)習(xí)工程。事實(shí)證明，構(gòu)建機(jī)器學(xué)習(xí)系統(tǒng)的策略改變了深度學(xué)習(xí)的錯(cuò)誤。舉個(gè)例子：你分割數(shù)據(jù)的方式，分割成訓(xùn)練集、比較集或改變的驗(yàn)證集，以及測(cè)試集合，改變了深度學(xué)習(xí)的錯(cuò)誤。所以最好的實(shí)踐方式是什么呢？你的訓(xùn)練集和測(cè)試集來自不同的貢獻(xiàn)度在深度學(xué)習(xí)中的影響很大，那么你應(yīng)該怎么處理呢？如果你聽說過端對(duì)端深度學(xué)習(xí)，你也會(huì)在第三門課中了解到更多，進(jìn)而了解到你是否需要使用它，第三課的資料是相對(duì)比較獨(dú)特的，我將和你分享。我們了解到的所有的熱門領(lǐng)域的建立并且改良許多的深度學(xué)習(xí)問題。這些當(dāng)今熱門的資料，絕大部分大學(xué)在他們的深度學(xué)習(xí)課堂上面里面不會(huì)教的，我認(rèn)為它會(huì)提供你幫助，讓深度學(xué)習(xí)系統(tǒng)工作的更好。在第四門課程中，我們將會(huì)提到卷積神經(jīng)網(wǎng)絡(luò)（CNN（s）），它經(jīng)常被用于圖像領(lǐng)域，你將會(huì)在第四門課程中學(xué)到如何搭建這樣的模型。最后在第五門課中，你將會(huì)學(xué)習(xí)到序列模型，以及如何將它們應(yīng)用于自然語言處理，以及其它問題。序列模型包括的模型有循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）、全稱是長短期記憶網(wǎng)絡(luò)（LSTM）。你將在課程五中了解其中的時(shí)期是什么含義，并且有能力應(yīng)用到自然語言處理（NLP）問題。總之你將在課程五中學(xué)習(xí)這些模型，以及能夠?qū)⑺鼈儜?yīng)用于序列數(shù)據(jù)。比如說，自然語言就是一個(gè)單詞序列。你也將能夠理解這些模型如何應(yīng)用到語音識(shí)別或者是編曲以及其它問題。