最近两周的时间一直在看吴恩达（Andrew Ng）的《Deep Learning》课程，看的过程中，有一种根本停不下来的感觉，这门课由浅入深，将深度学习涉及的理论、概念讲的清清楚楚的。
《Deep Learning》一共分为5个部分，简要的说：
第一部分《Neural Networks and Deep Learning》，全面介绍了深度学习的理论，从Logistic回归讲起，介绍了如何一步步构建深度学习神经网络。
第二部分《Improving Deep Neural Networks: Hyperparameter tuning, Regularization and Optimization》，介绍了如何根据结果反推出现问题的原因，怎么调节超参数（hyperparameter），怎么利用正则化、归一化等方法提高训练精度。
第三部分《Structuring Machine Learning Projects》，则是讲述了如何快速构建一个神经网络，以及一些技巧，非常实用。
第四部分《Convolutional Neural Networks》，针对图像处理，介绍了各种前沿的卷积神经网络，比如YOLO，R-CNN等，然后重点介绍了物体识别、人脸识别、风格迁移等技术。
第五部分《Sequence Models》，介绍序列模型，重点介绍如何利用RNN处理带时间序列的数据、应用场景等（本部分我暂时没看，因为我主要做视觉，图像处理这块，后面有时间再看）
介绍完了课程的大概内容，再来说说我的学习过程，首先，我是一名深度学习的小白，基本是什么都不懂，然后就在网上搜相关的教程，网上都说吴恩达的课程很好，然后就在Coursera上搜了，尴尬的是一开始搜到的是《Machine Learning》，看了几个视频之后，感觉不对，然后搜《Deep Learning》才找到真身。另外，网易云课堂已经引进这门课程：https://mooc.study.163.com/smartSpec/detail/1001319001.htm ，优点是中英对照的字幕，很友好，缺点则是没有对应的课后作业，看了视频之后，如果不做作业，效果很不好。所以建议大家可以在网易云课堂看视频，然后到Coursera上做作业，二者搭配，相得益彰。
另外，很多人会担心深度学习的理论太深，总是望而却步，不敢去动手学习，但是学了这门课程之后，我觉得深度学习的基础理论不高深，比大学里的微积分简单多了。
我正在整理学习过程中下载的资料，整理好了，会上传到网上。