If you want to break into cutting-edge AI, this course will help you do so. Deep learning engineers are highly sought after, and mastering deep learning will give you numerous new career opportunities. Deep learning is also a new "superpower" that will let you build AI systems that just weren't possible a few years ago.
提供方
深度学习 專項課程deeplearning.ai課程信息
2,853,957 次近期查看
學生職業成果
39%
完成這些課程後已開始新的職業生涯
38%
通過此課程獲得實實在在的工作福利
11%
加薪或升職
可分享的證書
完成後獲得證書
100% 在線
立即開始，按照自己的計劃學習。
第 1 門課程（共 1 門）
可靈活調整截止日期
根據您的日程表重置截止日期。
中級
完成時間大約為20 小時
英語（English）
字幕：中文（繁體）, 阿拉伯語（Arabic）, 法語（French）, 烏克蘭語, 中文（簡體）, 巴西葡萄牙語, 越南語, 韓語, 土耳其語（Turkish）, 英語（English）, 西班牙語（Spanish）, 日語
您將獲得的技能
Artificial Neural NetworkBackpropagationPython ProgrammingDeep Learning
學生職業成果
39%
完成這些課程後已開始新的職業生涯
38%
通過此課程獲得實實在在的工作福利
11%
加薪或升職
可分享的證書
完成後獲得證書
100% 在線
立即開始，按照自己的計劃學習。
第 1 門課程（共 1 門）
可靈活調整截止日期
根據您的日程表重置截止日期。
中級
完成時間大約為20 小時
英語（English）
字幕：中文（繁體）, 阿拉伯語（Arabic）, 法語（French）, 烏克蘭語, 中文（簡體）, 巴西葡萄牙語, 越南語, 韓語, 土耳其語（Turkish）, 英語（English）, 西班牙語（Spanish）, 日語
提供方
deeplearning.ai
Founded by Andrew Ng, DeepLearning.AI is an education technology company that develops a global community of AI talent.
教學大綱 - 您將從這門課程中學到什麼
完成時間為 2 小時
Introduction to deep learning
Be able to explain the major trends driving the rise of deep learning, and understand where and how it is applied today.
完成時間為 2 小時
7 個視頻 （總計 76 分鐘）, 2 個閱讀材料, 1 個測驗
7 個視頻
Welcome5分鐘
What is a neural network?7分鐘
Supervised Learning with Neural Networks8分鐘
Why is Deep Learning taking off?10分鐘
About this Course2分鐘
Course Resources1分鐘
Geoffrey Hinton interview40分鐘
2 個閱讀材料
Frequently Asked Questions10分鐘
How to use Discussion Forums10分鐘
1 個練習
Introduction to deep learning30分鐘
完成時間為 8 小時
Neural Networks Basics
Learn to set up a machine learning problem with a neural network mindset. Learn to use vectorization to speed up your models.
完成時間為 8 小時
19 個視頻 （總計 161 分鐘）, 7 個閱讀材料, 3 個測驗
19 個視頻
Logistic Regression5分鐘
Logistic Regression Cost Function8分鐘
Gradient Descent11分鐘
Derivatives7分鐘
More Derivative Examples10分鐘
Computation graph3分鐘
Derivatives with a Computation Graph14分鐘
Logistic Regression Gradient Descent6分鐘
Gradient Descent on m Examples8分鐘
Vectorization8分鐘
More Vectorization Examples6分鐘
Vectorizing Logistic Regression7分鐘
Vectorizing Logistic Regression's Gradient Output9分鐘
Broadcasting in Python11分鐘
A note on python/numpy vectors6分鐘
Quick tour of Jupyter/iPython Notebooks3分鐘
Explanation of logistic regression cost function (optional)7分鐘
Pieter Abbeel interview16分鐘
7 個閱讀材料
Clarification about Upcoming Logistic Regression Cost Function Video1分鐘
Clarification about Upcoming Gradient Descent Video1分鐘
Derivation of DL/dz (optional reading)10分鐘
Copy of Clarification about Upcoming Logistic Regression Cost Function Video1分鐘
Clarification of "dz"10分鐘
Deep Learning Honor Code2分鐘
Programming Assignment FAQ10分鐘
1 個練習
Neural Network Basics30分鐘
完成時間為 5 小時
Shallow neural networks
Learn to build a neural network with one hidden layer, using forward propagation and backpropagation.
完成時間為 5 小時
12 個視頻 （總計 109 分鐘）, 2 個閱讀材料, 2 個測驗
12 個視頻
Neural Network Representation5分鐘
Computing a Neural Network's Output9分鐘
Vectorizing across multiple examples9分鐘
Explanation for Vectorized Implementation7分鐘
Activation functions10分鐘
Why do you need non-linear activation functions?5分鐘
Derivatives of activation functions7分鐘
Gradient descent for Neural Networks9分鐘
Backpropagation intuition (optional)15分鐘
Random Initialization7分鐘
Ian Goodfellow interview14分鐘
2 個閱讀材料
Clarification: Activation Function1分鐘
Clarification about Upcoming Backpropagation intuition (optional)1分鐘
1 個練習
Shallow Neural Networks30分鐘
完成時間為 5 小時
Deep Neural Networks
Understand the key computations underlying deep learning, use them to build and train deep neural networks, and apply it to computer vision.
完成時間為 5 小時
8 個視頻 （總計 64 分鐘）, 3 個閱讀材料, 3 個測驗
8 個視頻
Forward Propagation in a Deep Network7分鐘
Getting your matrix dimensions right11分鐘
Why deep representations?10分鐘
Building blocks of deep neural networks8分鐘
Forward and Backward Propagation10分鐘
Parameters vs Hyperparameters7分鐘
What does this have to do with the brain?3分鐘
3 個閱讀材料
Clarification about Getting your matrix dimensions right video1分鐘
Clarification about Upcoming Forward and Backward Propagation Video1分鐘
Clarification about What does this have to do with the brain video1分鐘
1 個練習
Key concepts on Deep Neural Networks30分鐘
審閱
來自神经网络与深度学习的熱門評論
由 JP 提供2018年2月11日
I would love some pointers to additional references for each video. Also, the instructor keeps saying that the math behind backprop is hard. What about an optional video with that? Otherwise, awesome!
由 AA 提供2020年7月2日
Excellent course !!! The flow is perfect and is very easy to understand and follow the course\n\nI loved the simplicity with which Andrew explained the concepts. Great contribution to the community
由 MH 提供2018年6月29日
Very good course to start Deep learning. But you need to have the basic idea first. I would suggest to do the Stanford Andrew Ng Machine Learning course first and then take this specialization courses
由 NL 提供2020年10月3日
This course helps me to understand the basic concept of Deep Learning. However I think this course should include at least 1 week (or 2-3 videos) about math so learners can have a better understanding
關於 深度学习 專項課程
If you want to break into AI, this Specialization will help you do so. Deep Learning is one of the most highly sought after skills in tech. We will help you become good at Deep Learning.
常見問題
我什么时候能够访问课程视频和作业？
讲座和作业的访问权限取决于您的注册类型。如果您以旁听模式参加课程，则可以免费查看大多数课程资料。要访问评分作业并获得证书，您需要在旁听期间或之后购买证书体验。如果看不到旁听选项：
- 课程可能不提供旁听选项。您可以尝试免费试用，也可以申请助学金。
- 课程可能会改为提供'完整课程，没有证书'。通过此选项，您可以查看所有课程材料、提交所要求的作业，以及获得最终成绩。这也意味着您将无法购买证书体验。
我订阅此专项课程后会得到什么？
您注册课程后，将有权访问专项课程中的所有课程，并且会在完成课程后获得证书。您的电子课程证书将添加到您的成就页中，您可以通过该页打印您的课程证书或将其添加到您的领英档案中。如果您只想阅读和查看课程内容，可以免费旁听课程。
退款政策是如何规定的？
如果订阅，您可以获得 7 天免费试听，在此期间，您可以取消课程，无需支付任何罚金。在此之后，我们不会退款，但您可以随时取消订阅。请阅读我们完整的退款政策。
有助学金吗？
是的，Coursera 可以为无法承担费用的学生提供助学金。通过点击左侧“注册”按钮下的“助学金”链接可以申请助学金。您可以根据屏幕提示完成申请，申请获批后会收到通知。您需要针对专项课程中的每一门课程完成上述步骤，包括毕业项目。了解更多。
完成课程后，我会获得大学学分吗？
此课程不提供大学学分，但部分大学可能会选择接受课程证书作为学分。查看您的合作院校，了解详情。Coursera 上的在线学位和 Mastertrack™ 证书提供获得大学学分的机会。
還有其他問題嗎？請訪問 學生幫助中心。
