这 28 张精炼图，将吴恩达的 deeplearning.ai

吴恩达——人工智能领域的大 IP，他在 Coursera 上开设的 deeplearning.ai 深度学习专项课程惠及非常多的人工智能爱好者。该系列课程对于理解各种算法背后的原理非常有帮助，同时提供了大量的应用场景，涉及图像、语音、自然语言理解等各方面，还提供了一些工具函数、数据集。这个系列课程是从机器学习过渡到深度学习的必备课程！

deeplearning.ai 系列课程相关的笔记和参考资料很多，这里就不过多提及。最近，红色石头发现有个来自微软的美女作者 Tess Ferrandez 制作并在 SlideShare 上分享了吴恩达深度学习专项课程 28 张精炼图解，可谓是把知识点做了很好的提炼和总结！我们一起来看一下。

1. 深度学习介绍

2. 逻辑回归

3. 浅层神经网络

4. 深层神经网络

5. 设置你的机器学习应用程序

6. 正则化防止过拟合

7. 优化训练

8. 优化算法

9. 超参数调试

10. 构建你的机器学习项目

11. 错误分析

12. 训练 vs 验证/测试 失配

13. 扩展学习

14. 卷积基础

15. Padding

16. 深层 CNN

17. 典型的 CNN 模型

18. 特别网络-ResNet

19. 实用建议

20. 检测算法

21. 人脸识别

22. 神经风格迁移

23. 循环神经网络

24. 更多 RNN 模型

25. NLP-词嵌入

26. 词嵌入详解

27. 序列到序列基本模型

28. 序列到序列

至此，28 张知识点精炼图已总结完毕！

---

小编昨晚花了四五个小时整理了一套人工智能知识体系，对那些想学习人工智能的老铁们是非常有帮助的，

让老铁们学习变得轻松、高效，给大家免费分享一大批资料，让AI越来越普及。在这里给老铁们推荐一个人工智能微信学习交流群，在人工智能的道路上共同进步。

当真正开始学习的时候难免不知道从哪入手，导致效率低下影响继续学习的信心。

但最重要的是不知道哪些技术需要重点掌握，学习时频繁踩坑，最终浪费大量时间，所以拥有有效资源还是很有必要的。