访问官网
GithubCoursera 深度学习专项课程（由 deeplearning.ai 提供）
Coursera 的深度学习专项课程中的编程作业和测验，由 deeplearning.ai 提供。
讲师：Andrew Ng
笔记
关于 Coursera 深度学习专项课程中所有课程的详细面试准备笔记，请访问 www.aman.ai。
设置
运行 setup.sh 以 (i) 下载一个预训练的 VGG-19 数据集，(ii) 解压缩所有作业所需的预训练模型和数据集。
致谢
此仓库包含我完成此专项课程的所有工作。代码库、测验题目和图表均来自 Coursera 上的深度学习专项课程，除非另有说明。
2021版
此专项课程已于2021年4月更新，包含了深度学习和编程框架的发展，其中最大的变化是从 TensorFlow 1 转移到 TensorFlow 2。本仓库也已相应更新。
编程作业
课程1：神经网络和深度学习
- 第2周 - 作业1 - 使用Numpy的Python基础
- 第2周 - 作业2 - 神经网络视角下的逻辑回归
- 第3周 - 作业3 - 单隐层平面数据分类
- 第4周 - 作业4 - 构建你的深度神经网络：一步步实现
- 第4周 - 作业5 - 用于图像分类的深度神经网络：应用
课程2：改进深度神经网络：超参数调优、正则化和优化
课程3：构建机器学习项目
- 此课程没有编程作业。但是此课程有非常有趣的案例研究测验（见下文）。
课程4：卷积神经网络
- 第1周 - 作业1 - 卷积模型：一步步实现
- 第1周 - 作业2 - 卷积神经网络：应用
- 第2周 - 作业1 - Keras 教程 - Happy House
- 第2周 - 作业2 - 残差网络
- 第2周 - 作业2 - 使用 MobileNet 进行迁移学习
- 第3周 - 作业1 - 使用 YOLO 进行自动驾驶汽车检测
- 第3周 - 作业2 - 图像分割Unet
- 第4周 - 作业1 - 用神经风格转移生成艺术作品
- 第4周 - 作业2 - 人脸识别
课程5：序列模型
- 第1周 - 作业1 - 构建递归神经网络 - 一步步实现
- 第1周 - 作业2 - 恐龙岛 - 字符级语言建模
- 第1周 - 作业3 - 使用 LSTM 即兴演奏爵士乐
- 第2周 - 作业1 - 词向量表示和去偏
- 第2周 - 作业2 - Emoji化！
- 第3周 - 作业1 - 使用注意力机制的神经机器翻译
- 第3周 - 作业2 - 触发词检测
- 第4周 - 作业1 - Transformer 网络
- 第3周 - 作业2 - Transformer 网络应用：命名实体识别
- 第3周 - 作业2 - Transformer 网络应用：问答
测验答案
课程1：神经网络和深度学习
- 第1周测验 - 深度学习简介: 文本 | PDF
- 第2周测验 - 神经网络基础: 文本 | PDF
- 第3周测验 - 浅层神经网络: 文本 | PDF
- 第4周测验 - 深度神经网络的关键概念: 文本 | PDF
课程2：改进深度神经网络：超参数调优、正则化和优化
课程3：构建机器学习项目
课程4：卷积神经网络
- 第1周测验 - 卷积网络基础: 文本 | PDF
- 第2周测验 - 深度卷积模型: 文本 | PDF
- 第3周测验 - 检测算法: 文本 | PDF
- 第4周测验 - 特殊应用：人脸识别与神经风格迁移: 文本 | PDF
课程5：序列模型
免责声明
我承认人们花时间来建立直觉、理解新概念和调试作业。这里上传的解决方案仅供参考。如果你卡在某个地方，它们是用来帮助你的。请不要照搬任何代码部分（如果仔细阅读说明，这些编程作业相当容易）。同样，在参考测验答案之前，请先自己尝试完成测验。这是我上过的最直接的深度学习课程之一，课程内容和结构都很棒。感谢deeplearning.ai团队，这确实是一笔宝贵的财富。
