Coursera深度学习教程中文笔记 课程概述 这些课程专为已有一定基础（基本的编程知识，熟悉Python、对机器学习有基本了解）， 想要尝试进入人工智能领域的计算机专业人士准备。介绍显示：“深度学习是科技业最热门 的技能之一，本课程将帮你掌握深度学习。” 在这5堂课中，学生将可以学习到深度学习的基础，学会构建神经网络，并用在包括吴 恩达本人在内的多位业界顶尖专家指导下创建自己的机器学习项目。Deep Learning Specialization对卷积神经网络 (CNN)、递归神经网络 (R

AI50的Python人工智能介绍 本课程探索了现代人工智能基础上的概念和算法，并深入探讨了产生诸如游戏引擎，手写识别和机器翻译之类技术的思想。 通过动手项目，学生将图搜索算法，分类，优化，强化学习以及人工智能和机器学习中的其他主题整合到自己的Python程序中，从而可以接触到这些理论。 到课程结束时，学生将拥有在机器学习库以及人工智能原理知识方面的经验，这些知识使他们能够设计自己的智能系统。 概要 在此回购中，我设计和实现了各种AI代理，从使用搜索算法玩游戏，优化和监督学习到使用TensorF

机器学习之路 机器学习资源，实践和研究。 Disclamier 此仓库中的资源仅用于教育目的。 不要将此回购中的资源用于任何商业目的。 如果电子书的作者发现由于此回购中的内容而侵犯了您的智能财产，请与我联系，我将尽快删除相关内容。 培训班 课程名 机构 讲师 链接 类别 机器学习 Coursera 机器学习 机器学习基础 国立台湾大学 机器学习 机器学习技术 国立台湾大学 林轩添 机器学习 机器学习 斯坦福大学 吴安德 机器学习 深度学习 deeplearning.ai 吴安德

AI之卷积神经网络基础二维卷积层二维互相关运算二维卷积层互相关运算与卷积运算特征图与感受野填充和步幅填充步幅多输入通道和多输出通道多输入通道多输出通道1×1卷积层卷积层与全连接层的对比卷积层的简洁实现池化二维池化层池化层的简洁实现代码讲解例题   本文主要介绍卷积神经网络的基础概念，主要是卷积层和池化层，并解释填充、步幅、输入通道和输出通道的含义。 二维卷积层   本文介绍的是最常见的二维卷积层，常用于处理图像数据。 二维互相关运算   二维互相关（cross-correlation）运算的输入