回顧上一節的內容，介紹稀疏編碼。（p2）
稀疏編碼的推理。（p3-p6）
ista演算法解釋。（p7 - p9）
用於稀疏編碼推理的座標下降（p10）
回顧上一節課的內容，主要講解隨機梯度下降法。（p2）
l2 正則化。（p3）
l1 正則化。（p4）
偏差——方差權衡。（p5）
本課程主要內容包括：
kaggle 實戰分析 dogs vs cats
cnn 初步入門
excel 中處理 dnn
從零開始寫線性模型
keras 實現線性模型
泛逼近器
回顧上一節的內容，介紹非監督學習。（p2）
稀疏編碼的定義。（p3-p8）
稀疏編碼的例子解釋。（p9 - p11）
一 、概述
jeremy 和 rachel 兩位老師簡要介紹了自己的背景，以及開設這門實戰課程的原因。
這門實戰課程的內容概述。
二 、影象識別
為什麼深度學習那麼有效；
深度學習環境設定；
介紹 jupyter ，markdown 和一些 python 科學包；
kaggle 實戰，貓狗分類；
vgg 模型的分析；
theano 和 tensorflow 對比分析。
深度學習實戰
dnn cnn rnn google tensorflow,社群發展資源多 facebook pytorch,caffe2 伯克利 caffe,亞馬遜 mxnet caffe針對影象方面的任務，用於cnn 有 python 和 mathlab 的介面 通過不同層的疊加實現深度神經網路 使用方法1 不...
python深度學習實戰
用python進行深度學習 deeplearning with python python打包技術一度日益複雜 各自為政，儘管現在已經被python packaging authority控制並簡化，但如果想深入這個主題，參閱 python打包使用者指南 packaging.python.org 為...
深度學習 21天實戰Caffe
幫助 內容簡介 深度學習 21天實戰caffe 是一本深度學習入門讀物。以目前已經大量用於線上系統的深度學習框架caffe為例，由淺入深，從 caffe 的配置 部署 使用開始學習，通過閱讀 caffe 原始碼理解其精髓，加強對深度學習理論的理解，最終達到熟練運用 caffe 解決實際問題的目的。和...