实战深度学习

1. 回顾上一节的内容，介绍稀疏编码。（P2）
2. 稀疏编码的推理。（P3-P6）
3. ISTA算法解释。（P7 - P9）
4. 用于稀疏编码推理的坐标下降（P10）

https://mp.weixin.qq.com/s/91lsRZ6n8oPt4bSCXyho3g

---

1. 回顾上一节课的内容，主要讲解随机梯度下降法。（P2）
2. L2 正则化。（P3）
3. L1 正则化。（P4）
4. 偏差——方差权衡。（P5）

http://mp.weixin.qq.com/s/u5fSD2wUmUiKzE8UbMsAZQ

---

本课程主要内容包括：

 

1. Kaggle 实战分析 Dogs vs Cats
2. CNN 初步入门
3. Excel 中处理 DNN
4. 从零开始写线性模型
5. Keras 实现线性模型
6. 泛逼近器

http://mp.weixin.qq.com/s/i4Bo3XZaN44UOxfuMPEq5Q

---

1. 回顾上一节的内容，介绍非监督学习。（P2）
2. 稀疏编码的定义。（P3-P8）
3. 稀疏编码的例子解释。（P9 - P11）

http://mp.weixin.qq.com/s/oC-jk5sBJAYDN_KN9mSLwQ

---

一 、概述

1. Jeremy 和 Rachel 两位老师简要介绍了自己的背景，以及开设这门实战课程的原因。
2. 这门实战课程的内容概述。
3. 学习这门课程的方法和建议：多看几遍视频，建议每周花 10 小时；用好 wiki 和 notebook；遇到问题先自己试着解决，善于运用 forum 查找答案和提问。

 

二 、图像识别

1. 为什么深度学习那么有效；
2. 深度学习环境设置；
3. 介绍 Jupyter ，Markdown 和一些 Python 科学包；
4. Kaggle 实战，猫狗分类；
5. VGG 模型的分析；
6. Theano 和 TensorFlow 对比分析。

http://mp.weixin.qq.com/s/EBCqUBjtNlLQbq3GygQaYg