吴恩达《深度学习》系列课程个人笔记

Andrew-Ng-Deep-Learning-notes

早在吴恩达(deeplearning.ai)的《深度学习》系列课程在网易云课堂刚刚发布时,它就已经躺在我的计划列表中了。当时还没有特别坚定说要深入学习这方面的知识,因此搁置了一段时间。这几个月终于下定决心,排除万难,开始对这个系列的课程进行学习。

这个系列的课程给我的感觉是,对 DL 新人,以及像我这样数学不是非常好的学习者非常友好。吴恩达老师真正做到了深入浅出,但又没有抛弃那些重要的细节。在我一边看视频,一边想看看花书对应章节时,发现晦涩到根本看不动。而这个系列的课程作为入门启蒙,是再合适不过的。

另外,这个系列课程的作业全都是精心设计过的,虽然难度不大,但对巩固视频所学知识、帮助理解细节非常有帮助。如果只是听课而不独立完成作业,我认为和没有学过没有什么区别。我也打算过一段时间再重新将这些作业再写一遍。

在学习的同时,像网上很多同学一样,我也记录了自己的笔记,并将其发布在 Github 上。因为在 Github 上,在 md 文件中用 LaTex 写的公式不能正常显示,之前都是用 MacDown 由 md 文件生成 html,虽然公式可以看了,但是不太美观。之后,我恰好发现了 docsify ,一个可以由 md 文件动态生成文档网站的库。于是折腾了一会,将自己的笔记全部用它生成,最终效果如题图所示,非常美观(虽然折腾的途中也踩了几个小坑)。

因为在学习的过程中,我也看了很多网上的笔记。它们对我起到了很大的帮助,因此我也想将我的笔记分享出来,也许能够帮助到其他的同学。两周前在学完前两门课时,我在知乎的专栏发了一篇文章(即这篇博文的前身)。到目前为止,知乎的文章收获了 147 个赞,而 Github 上的 repo 得到了 42 个 star。这对我简直是受宠若惊。因此,即使这两周是考试周,我还是抽出时间学完了第三门课,并更新了笔记。一方面,这个系列课程的内容确实非常吸引我,另一方面,也是很多同道中人的认可对我有着很大的鼓励。

第四门课是有关计算机视觉和卷积神经网络的。我们知道近年来深度学习的爆红很大程度上是缘于 2012 年 ImageNet 图像识别比赛中 Hinton 课题组构建的 CNN 网络 AlexNet 有着碾压级的表现,因此我对这门课也是非常期待,希望能够在寒假结束前完成对这门课的学习。

最后,再次将笔记的 Github 的 repo 地址公布如下:

欢迎查阅,欢迎在 Issues 中交流或提出意见,更欢迎 star 一下以兹鼓励!