深度学习从入门到专业化，关键属性了解下！

点击上方关注，All in AI中国

当钢铁侠刚刚面世时，我只有八岁，看着它让我很震惊。超级英雄、行动大胆以及罗伯特唐尼的骄傲和天才特性让我心脏砰砰直跳，眼睛都快粘在屏幕上了。

十年之后，受到怀旧的情怀影响，我再次观看了这部电影。剧院并没有让人兴奋，但现在更让我着迷的是J.A.R.V.I.S.

是的，它是Tony Stark的人工智能个人助理。我很惊讶，他们之间的交流十分流畅，于是开始思考这种自然语言系统背后的机制是什么。在朋友的推荐下我查看了deeplearning.ai。

本来我开始接触它只是为了扩大兴趣，但现在它变成一本难放下的好书，让我爱不释手，以下是总结的深度学习专业化的关键属性以及你需要考虑它的原因。

专为（几乎）每个人设计

吴恩达，讲师，是人工智能和在线教育领域的领导者。 Coursera的联合创始人，斯坦福大学的兼职教授，以及百度人工智能和谷歌大脑的前负责人，提供的这五个课程与deeplearning.ai是他全新的努力。然而，吴恩达的真正的天赋在于他如何用外行人的术语来解释最复杂的课程。

诸如梯度下降、卷积神经网络和优化算法之类的概念以需要最小背景计算机科学知识的方式教授。事实上，通过对线性代数的一些基本概念理解你将会更好的理解。

那么诱人可能会关心是否需要微积分才能更好地掌握反向传播？有关该主题的可选视频讲座就可帮助您完成。吴恩达明确表示，要努力保持课程的包容性，而不是让大家敬而远之。未分类的Jupyter笔记本还包含教程，以帮助初学者能使用像NumPy这样的Python库和TensorFlow和Keras等框架（稍后会详细介绍）。

这将在第一个课程的几周内完全合理。是的，所有这一切。

当然不仅仅是考虑到初学者的需求，还包括更高级学习者的一些需求，因为吴恩达定期会对领域内的分支进行更深入地概念解释。前几节课程涵盖了深度学习的基础知识，专业化的课程则会更多地关注从Adam到YOLO的新算法。 吴恩达鼓励观众独立阅读并参考研究论文，甚至提供可选视频，深入了解该领域近年来所经历的变化。

如果您喜欢学习，那么您一定会喜欢这门课程。 吴恩达对这个主题的热情在每一个视频中都很明显，而我认为拥有这种热情的老师一定是位优秀的教师，它是无价的。

植根于相关性和专业知识

在“深度学习英雄”中接受采访的专家领导了一些顶级公司和大学的人工智能研究团队

对在线课程的一个常见批评是，他们缺乏从传统认可的变体中可以预期的教师专业知识水平。尽管这种专业化并不能提供信誉，但凭借吴恩达在斯坦福大学和Coursera教育领域的经验，但这并不是一个问题。

吴恩达在该领域的专业知识和关系有效地利用了您的利益。他的上述成就不仅有助于确定所教课程的重要性，还有丰富整体经验的有形元素。

专业化的课程包括五门，几乎每周的结构都遵循以下模式：

• 视频讲座
• 测验
• 编程作业

深度学习的英雄

Facebook的人工智能研究主任Yann LeCun是​​众多嘉宾之一

正是这最后一部分，才真正是一个宝石。在“深度学习的英雄”中，吴恩达采访了Pieter Abbeel和Andrej Karpathy等有影响力的领导者，并要求他们讲述他们的故事，并向该领域的新手提供建议。

这些名字现在对你来说可能没有任何意义，几个月前他们对我来说是新的。在专业化过程中，通过吴恩达与同龄人的对话，您将准确且熟悉深度学习社区的本质。

它清楚地说明了社区的协作能力，因为每位专家都强调分享自我探索的价值。Geoffrey Hinton经常被誉为教父Deep Learning，在第一周就提出了以下建议。

“当你认为你拥有的是一个好主意而其他人认为它是垃圾时，这可能就是一个好主意的标志。”

吴恩达认为“人工智能是新电力”，这在整个课程的工业应用中都有体现。例如，在Facebook、特斯拉(Tesla)和苹果(Apple)等公司里，许多在深度学习方面有建树的英雄人物都带领着人工智能团队。吴恩达自己也曾展示了他在百度所做的工作内容。

在Convolutional Neural Networks的第四个课程中，吴恩达提到过百度总部使用的人脸识别系统，以帮助推动该技术的行业应用。在接下来的编程任务中，他看到了演示产品，如下所示。

在百度北京总部，展示了1对N人脸识别匹配的示例。（资源）

这些现实世界的例子激发并证明了所教材料的重要性，消除了对课程相关性的疑虑。吴恩达的信息很明确，这个领域正在迅速发展，而真正重要的是，你能做什么，可以说比信用更重要。

应用为王

作者在乔治亚理工学院的吉祥物Buzz上构建并测试了自己的分类器。可以自信地认出吉祥物不是猫。

如果你不知道如何实现它们，那么学习深度学习算法的细节有什么意义呢？值得庆幸的是，该课程的一半很容易用于教学生在所提供的数据集上应用学习材料。

许多编程任务促使学生使用NumPy来编写激活函数并从头开始传播这样的元素，这迫使您对神经网络的工作原理有一个深入的基本理解。

讲座中学到的概念变得越来越复杂，渐渐引入了流行的框架，如TensorFlow和Keras。您将能自动实现反向传播等过程，或轻松构建、测试模型。

尽管Jupyter笔记本提供了严格的结构，但大多数作业都可以选择尝试自己的测试用例。与此同时，那些与迁移学习有关的东西可以让你制作自己的毕加索式艺术品和爵士音乐——所有这些都与深度学习有关。

虽然不那么令人兴奋，但每周编程任务之前的测验都是对讲座所涵盖材料的准确评估。在第三个课程“结构化机器学习项目”中，测验采用飞行模拟器的形式。

以梵高的《星空》为例

类似于训练中的飞行员如何在飞行模拟器中暴露于各种场景，否则可能需要花费数千小时的实际飞行时间，这些测验中的案例研究通过让您了解机器学习项目中面临的情景来测试决策制定技能。系统可能会要求您选择要优化的超参数，或者在哪些区域选择以提高模型的性能。

在创建和分享最少资源的领域，吴恩达将应用程序作为核心，为学生提供应用学习概念所需的技能。理论知识在现实世界机器学习应用程序的版本中进行测试，使得体验既独特又令人兴奋。

value = np.sum（质量、数量）

其中之一将为您提供一个月来访问deeplearning.ai的课程

成本是一个很有趣的部分。与Udacity、Udemy甚至相关Coursera提供的在线课程不同，深度学习专业化没有固定的价格。

相反，你需要边前进边付钱。定价遵循订阅模式，每月费用为50美元。为此，您可以注册参与专业化的五门课程中的任何一门课程。这种灵活性的好处是双重的。

• 你可以根据自己的节奏完成课程，无论是一个月还是四个月，完全取决于您自己。
• 为你需要的东西付钱。这五门课都没有义务上。每门课程结束后，你都可以立即获得个人证书，这意味着你可以选择你想要的证书。

你只需要支付你需要的部分即可，不一定非得五门课程都参与，每门结束后，您都可以立即获得个人证书，这意味着您可以选择您需要的证书。

但最后可能五门课你都会上，因为它提供的价值是无可争辩的，每门课程为期两到四周，每周大约两个小时的视频讲座。

从交通数据集中绘制图像的边框就是这种专门为学习概念的酷应用做好准备的方法之一。

如前所述，这些都是宝贵的深入的课程。为了了解这五门课程所涵盖的材料的数量，您可以查看作者的笔记：https://drive.google.com/file/d/1jxEwSyPaaBJwaJN_pHG9F11sR3TPSN-U/view

更令人印象深刻的是标准在很大程度上得到了维护。除非在后面的视频讲座中出现编辑问题，否则每一节课的质量都不会有实质性的下降。

编程任务每周大约有两个，它们捆绑在一起，可访问特定的Coursera论坛，其他学生在论坛上就某个主题发表问题或进行即时讨论。虽然我没有使用这个功能太多次，但是很高兴有很多的人都曾困在某个问题上。

在2017年8月宣布课程的博客文章中，吴恩达表示课程的内容一定会很吸引。

“您将学习深度学习的基础，了解如何构建神经网络，并学习如何领导成功的机器学习项目。您将了解卷积网络、RNN、LSTM、Adam、Dropout、BatchNorm、Xavier / He初始化等。您可以从事医疗保健、自动驾驶、手语阅读、音乐生成和自然语言处理等案例研究。您不仅要掌握理论，还要了解它如何应用于工业。您将在Python和TensorFlow中练习所有这些想法，还将听到许多深度学习的高层领导，他们将与您分享他们的个人故事，并为您提供职业建议。”

得到的这份证书可以很容易地添加到您的LinkedIn个人资料中，并标志着您在AI领域的开始。

X因素

真人秀音乐比赛

不，不是节目。除了Coursera的深度学习专业化的实际属性之外，还有一些非常特别的东西。吴恩达凭借deeplearning.ai取得的成就远远超出了人们的想象。

从技术角度来看，专业化显然提供了难以忽视的价值。然而，除此之外，还有赋予权力、灵感和破坏的流行主题。 吴恩达在解释Dropout Regularization时也有同样的兴奋，他强调了深度学习的变革力量。

我们应该真正理解这些东西的运作方式

那是什么样的力量！吴恩达描绘了未来的图景，人工智能社会为生活带来了更好的革命，并且依赖于数百万人在深度学习中拥有的坚实的基础。本课程是您加入俱乐部的门票，将定义下一个创新时代。

无论您是想要规划自己的职业生涯，还是想像我一样探索，这种专业化很可能会改变您对世界的看法。人工智能是新的电力，我们至少应该了解它。

在第五期课程的最后一次讲座中，吴恩达衷心感谢并通过人工智能扩展了个人赋权的理念

“深度学习是一种超级力量。有了它，您可以使计算机能“看”、合成新颖的艺术、翻译语言、进行医学诊断或者构建自动驾驶汽车。

“用这些想法来追求你的梦想，但也许最重要的是做你认为对人类最好的事情。当今世界面临挑战，但在深度学习领域，我认为我们可以做得更好。”

而那个来自像吴恩达一样有影响力和知识渊博的人的信息，让我和十年前看《钢铁侠》一样兴奋。

最后的讲座会让你流泪，保证。