深度学习

Nanodegree key: nd101-cn-advanced

Version: 5.0.0

Locale: zh-cn

学习深度学习的神经网络，卷积神经网络，循环神经网络，生成对抗网络及深度强化学习，为你的下一步职业发展打下坚实基础。

Content

Part 01 : 深度学习简介

了解你将在这门课程中学到什么，探索深度学习网络在不同领域的应用，你还将通过一系列简短的课程，踏出你深度学习的第一步，学习使用深度学习相关工具，如 Anaconda 和 Jupyter notebooks。

Module 01: 欢迎来到深度学习纳米学位
- Lesson 01: 欢迎学习深度学习纳米学位
  
  欢迎学习深度学习纳米学位项目！在这节课中，你将认识你的导师，了解深度学习这一领域，并了解如何充分利用优达学城的学习资源。
- Lesson 02: 应用深度学习
  
  在这节课，你将开始实践练习，研究几个深度学习示例。如果你不明白具体情形，也没关系！我们只是希望你能尝试一些其他人创建好的模型，并从中得到乐趣。
Module 02: 矩阵数学和 NumPy 复习
- Lesson 01: 矩阵数学和 NumPy 复习
  
  在本课中，你将复习构建神经网络所需了解的矩阵数学。你还将探索 NumPy，使用此库可以高效地处理 Python 中的矩阵。
Module 03: Anaconda
- Lesson 01: Anaconda
  
  Anaconda 是一个专门用于数据处理的程序包和环境管理器。在这节课中，你学习如何搭建编程环境，为之后的学习做准备，是你入门 Python 的必备利器！
Module 04: Jupyter Notebooks
- Lesson 01: Jupyter Notebooks
  
  学习如何使用 Jupyter Notebooks 创建包含代码、文本、图片等的文档。

Part 02 : 神经网络

神经网络是深度学习的基石。在这部分课程中，你将学习神经网络的基本原理，并在实战项目中用 Python 和 Numpy 从头开始构建一个神经网络。

Module 01: 神经网络简介
- Lesson 01: 神经网络简介
  
  在这一课里，Luis 将带给你夯实的深度学习与神经网络的基础知识。你也将在教室里亲手用python实现梯度下降法与反向传播。
Module 02: 实现梯度下降
- Lesson 01: 实现梯度下降
  
  Mat 会向你介绍另一个误差函数，并带领你使用 numpy 矩阵乘法实现梯度下降。
Module 03: 训练神经网络
- Lesson 01: 训练神经网络
  
  现在你已经了解了什么是神经网络。在这一课中你将学会几种方法，以提升神经网络的训练效果。
Module 04: GPU Workspaces 示例
- Lesson 01: GPU Workspaces 示例
  
  在 Udacity 的教室里面使用一个 GPU Workspace。
Module 05: 在线 Lab ：情绪预测
- Lesson 01: 在线 Lab ：情绪预测
  
  在这节课中，《Grokking Deep Learning》一书的作者 Andrew Trask，将指导你一步步来运用神经网络进行情感分析。具体而言，你将构建一个神经网络，完全根据评论文本内容将影评归类为正面影评或负面影评！
Module 06: 深度学习工具 PyTorch
- Lesson 01: 深度学习工具 PyTorch
  
  学习如何使用 PyTorch 构建深度学习模型
Module 07: 实战项目：项目：预测共享单车使用情况
- Lesson 01: 项目：预测共享单车使用情况
  
  在这个项目中，你将从头开始构建和训练你自己的神经网络，预测特定一天中的共享单车用户数。加油！
  
  Project Description - 你的第一个神经网络
  
  Project Rubric - 你的第一个神经网络
  - Concept 01: 项目简介
  - Concept 02: Notebook:共享单车使用情况
Module 08: 在线 Lab：Tensorflow 实现
- Lesson 01: TensorFlow
  
  在这一部分中我们会手把手教你 Google 的深度学习框架 Tensorflow。你也将有能力将它应用于图像数据集中。
Module 09: 在线 Lab：Keras 实现
- Lesson 01: Keras
  
  在这一部分中我们将手把手教你使用Keras。你将会使用它去分析电影评论。

Part 03 : 卷积神经网络

卷积神经网络是解决视觉问题的标准答案。在无人驾驶车，面部识别，医学影像等领域，都有它的应用。在这部分课程中，你将了解卷积神经网络的基本原理，并在实战项目中用它来解决图片分类问题。

Module 01: 卷积神经网络
- Lesson 01: 卷积神经网络
  
  卷积神经网络可以识别空间图案。Alexis 和 Cezanne 将介绍卷积神经网络如何帮助我们显著提高图像分类的效果。
- Lesson 02: 迁移学习
  
  学习如何通过迁移学习将预训练的网络应用到新任务上。
- Lesson 03: 权重初始化
  
  在这节课，你将学习如何为神经网络设置合适的初始权重。合适的初始权重使神经网络更接近最佳模型
Module 02: 实战项目：小狗品种分类器 - Dog Breed Project
- Lesson 01: 实战项目：小狗品种分类器 - Dog breed Project
  
  在这一项目中，你将学到如何建立一个处理现实生活中的，用户提供的图像的算法。给你一个狗的图像，你的算法将会识别并估计狗的品种。
  
  Project Description - 小狗品种分类器
  
  Project Rubric - 小狗品种分类器
  - Concept 01: CNN 项目
  - Concept 02: 小狗项目 Workspace - Dog Breed Project
Module 03: 癌症检测深度学习（Sebastian Thrun）
- Lesson 01: 癌症检测深度学习
  
  在本课中，听 Sebastian Thrun 介绍他用卷积神经网络检测皮肤癌的开创性工作。
Module 04: Tensorflow
- Lesson 01: 在Tensorflow中的卷积神经网络
  
  如何用 Tensorflow 去实现一个 CNN。
- Lesson 02: 自编码器
  
  自编码器是用于数据压缩、图像去噪和降维的神经网络。在这节课中，你将使用 TensorFlow 构建自编码器。
Module 05: Keras
- Lesson 01: Keras 卷积神经网络
  
  用 Keras 实现卷积神经网络。

Part 04 : 循环神经网络

用神经网络打造属于你的循环神经网络（RNN）和长短期记忆神经网络（LSTM），并将其运用在文本情感分析、生成文本等前沿领域。挑战“生成电视剧剧本”实战项目。

Module 01: 循环神经网络
- Lesson 01: 循环神经网络
  
  循环神经网络，这是一种能够基于输入序列进行识别和运作的机器学习模型。
- Lesson 02: Long Short-Term Memory Networks (LSTMs)
  
  Luis 解释了长短期记忆网络（LSTM）和类似的架构，它们具有保持长期记忆的好处。
- Lesson 03: Pytorch 实现 RNN 和 LSTM
  
  学习如何用代码表示记忆功能。然后在 PyTorch 中定义和训练 RNN 并将它们用于处理序列数据。
- Lesson 04: 嵌入与 Word2Vec
  
  在这节课，你将通过实现 Word2Vec 模型来学习神经网络中的嵌入概念。
- Lesson 05: 在线Lab：Pytorch实现情感分析 RNN
  
  实现一个判定影评是正面还是负面影评的情感分析 RNN。
- Lesson 06: Tensorflow 实现 RNN
  
  Tensorflow实现RNN和LSTM。
- Lesson 07: Hyperparameters
  
  在这节课中，我们将了解一些超参数，它们对深度学习的运作非常重要。我们将讨论初始值和调整每个超参数的直觉判断。
Module 02: 注意力
- Lesson 01: 注意力
  
  注意力模型是深度学习中最重要的突破之一。在这一节，你将会学习注意力模型是如何工作的，并实现一些基础代码。
Module 03: Project: Generate TV Scripts
- Lesson 01: Project: 电视剧本生成 - Generate TV Scripts
  
  通过训练一个循环神经网络来生成电视剧剧本。
  
  Project Description - 电视剧剧本生成 - Generate TV Scripts
  
  Project Rubric - 电视剧剧本生成 - Generate TV Scripts
Module 04: 时间序列模型用于股票分析
- Lesson 01: 如何通过时间序列模型预测股票
  - Concept 01: 如何通过时间序列模型预测股票

Part 05 : 对抗生成网络

跟随生成对抗网络之父 Ian Goodfellow，学习并掌握深度卷积生成对抗网络（DCGAN）模型，来模拟生成真实图像。

Module 01: 生成对抗网络
- Lesson 01: 生成对抗网络
  
  在这节课中，GAN 的发明者 Ian Goodfellow 将向大家介绍这个备受追捧的模型。你还将教你使用 MNIST 数据库实现你自己的 GAN。
- Lesson 02: 深度卷积生成对抗网络
  
  在本课中，你将实现一个深度卷积 GAN，以生成房屋编号的复杂彩色图像。
- Lesson 03: 项目：生成人脸
  
  让两个神经网络相互博弈，生成逼真的人脸图像。
  
  Project Description - 项目：生成人脸
  
  Project Rubric - 项目：生成人脸
  - Concept 01: 项目简介
  - Concept 02: Notebook: 生成人脸
- Lesson 04: 半监督学习
  
  Ian Goodfellow 带你学习半监督 GAN 模型，一种可以使用大量未标记数据，及少量已标记数据进行训练的分类器。

Part 06 : 深度强化学习

在这一章节中，我们会学习强化学习以及深度强化学习的基础理论，并教自己的无人机学会飞行！

Module 01: 强化学习
- Lesson 01: 欢迎学习强化学习！
  
  强化学习是一种机器学习方法，其中机器或软件智能体会学习如何最大化在某个任务中的性能。
- Lesson 02: 强化学习框架：问题
  
  了解如何以数学方式将任务构建为 Markov 决策流程。
- Lesson 03: 强化学习框架：解决方案
  
  在强化学习中，智能体学习根据与不同结果相关的奖励和惩罚优先选择不同的决策。
- Lesson 04: 动态规划
  
  动态规划设置是解决强化学习问题的第一个实用步骤。
- Lesson 05: 蒙特卡洛方法
  
  自己编写蒙特卡洛控制方法的实现代码，指导智能体玩二十一点！
- Lesson 06: 时间差分方法
  
  学习如何应用时间差分方法（例如 Sarsa、Q 学习和预期）解决阶段性任务和连续性任务。
- Lesson 07: 迷你项目：解决 OpenAI Gym 的 Taxi-v2 任务
  
  现在你已经掌握了强化学习技巧，可以使用 OpenAI Gym 探索一个迷你项目了！
  - Concept 01: 项目说明
  - Concept 02: 迷你项目
Module 02: 深度强化学习
- Lesson 01: 连续空间中的强化学习
  
  复习强化学习的基本概念，并了解如何调整传统算法以适用于连续空间。
- Lesson 02: 深度Q-学习
  
  使用深度神经网络对基于值的强化学习方法进行扩展，以解决复杂的问题。
- Lesson 03: 策略梯度
  
  基于策略的方法会尝试直接进行优化以获得最优策略。我们将了解这些方法的原理，以及为何很重要，尤其是对于连续状态空间领域的问题来说。
- Lesson 04: 行动者-评论者方法
  
  了解如何将基于值的方法和基于策略的方法相结合，并充分利用二者的优势来解决具有挑战性的强化学习问题。
- Lesson 05: 项目 - 四轴飞行器
  
  开始你的最后一个项目，四轴飞行器！
  
  Project Description - 指导四轴飞行器学会飞行
  
  Project Rubric - 指导四轴飞行器学会飞行

Part 07 : 邀请红包

Module 01: 邀请红包
- Lesson 01: 邀请红包
  
  邀请好友加入课程，拿 200 元现金红包！
  好友也获得最高￥320 购课优惠，轻松开启学习之路
  - Concept 01: 邀请红包

Part 08 : 机器学习部署

Module 01: 机器学习部署

Part 09 : 额外练习

Module 01: Regression, Eval
- Lesson 01: 评判标准
  
  这节课中，你将会学习几个最常用的学习模型的评判标准。
- Lesson 02: 回归
  
  深入学习神经网络中的回归。
Module 02: Miniflow
- Lesson 01: MiniFlow
  
  在这节课，你将构建一个你自己的迷你版本的 TensorFlow，叫做 MiniFlow。通过构建 MiniFlow，你将了解 TensorFlow 的工作原理，并掌握一些重要的概念，例如反向传播。