14-特殊应用-人脸识别和神经风格转换

🔈 本节将介绍一些重要的卷积神经网络的特殊应用，比如人脸识别、神经风格转换

13-目标检测

前两节课中，我们介绍的是利用 CNN 模型进行图像分类。本节将继续深入介绍目标定位和目标检测（包含多目标检测）。

12-深度卷积网络-实例探究

本周课程将主要介绍几个典型的 CNN 案例。**通过对具体 CNN 模型及案例的研究，来帮助我们理解知识并训练实际的模型**。

11-卷积神经网络基础

机器视觉（Computer Vision）是深度学习应用的主要方向之一。

10-机器学习策略下

对已经建立的机器学习模型进行**误差分析（error analysis）**十分必要，而且有针对性地、正确地进行 error analysis 更加重要。

9-机器学习策略上

如何构建你的机器学习项目也就是说机器学习的策略。通过本节我们将能够学到如何更快速高效地优化你的机器学习系统。那么，什么...

8-超参数调试+Batch正则化+Softmax回归

🔈 上节我们主要介绍了深度神经网络的优化算法。包括对原始数据集进行分割，使用 mini-batch gradient descent。然后介绍了指...

7-优化算法

🔈 本节我们将继续讨论深度神经网络中的一些优化算法，通过使用这些技巧和方法来提高神经网络的训练速度和精度。

6-深度学习的实用层面

🔈 在前几节我们已经学习了如何建立一个神经网络，或者浅层的，或者深度的。接下来我们将着重讨论和研究如何优化神经网络模型...

5-深层神经网络

🔈 本节是对上节课的延伸和扩展，讨论更深层的神经网络。