DeepLearning.AI是由吳恩達在Coursera上推出的深度學習專題系列課程，包括五門課程：神經網絡和深度學習、改善深層神經網絡-超參數調試、正則化以及優化、結構化機器學習項目、卷積神經網絡、序列模型。這套課程主要面向初學者和中級學習者，采用自下而上的方式教授神經網絡原理，難度適中，旨在將人工智能時代的基礎知識傳播到更多人身邊。這套課程的特點是通過精挑細選的課程、長短合適的視頻與精準設置的信息塊共同呈現知識，周期性地消除任何不確定和歧義，同時提供大量節省時間和金錢的實用技巧。[0][1]
DeepLearning.AI中的第一門課程是神經網絡和深度學習，主要介紹了深度學習的基礎知識，從單一神經元（邏輯回歸）的角度入手介紹神經網絡，慢慢增加復雜性——加入更多的神經元和更多層。在四周課程結束時，學生就會學到構建復雜神經網絡的所有核心知識，如損失函數、梯度下降和向量化并行python（numpy）實現。如果你可以順利構建深度神經網絡，那么你就可以學習DeepLearning.AI的其他課程了。[0]
DeepLearning.AI的第二門課程是改善深層神經網絡-超參數調試、正則化以及優化，主要介紹了如何改善深度學習模型的性能。該課程包括調試技巧、正則化、優化算法、批量標準化等內容。在該課程中，吳恩達通過實例演示了如何調整超參數，如何選擇正則化方法，以及如何使用批量標準化等技術來提高模型的性能。[1]
DeepLearning.AI的第三門課程是結構化機器學習項目，主要介紹了如何構建一個完整的機器學習項目。該課程包括項目的構建、數據集的準備、模型的選擇、模型的評估等內容。在該課程中，吳恩達通過實例演示了如何使用深度學習來解決實際問題。[1]
DeepLearning.AI的第四門課程是卷積神經網絡，主要介紹了卷積神經網絡的原理、應用和實現。該課程包括卷積神經網絡的基礎知識、卷積神經網絡的應用、卷積神經網絡的優化、卷積神經網絡的可視化等內容。在該課程中，吳恩達通過實例演示了如何使用卷積神經網絡來解決計算機視覺問題。[1]
DeepLearning.AI的第五門課程是序列模型，主要介紹了序列模型的原理、應用和實現。該課程包括循環神經網絡、注意力模型、Transformer等內容。在該課程中，吳恩達通過實例演示了如何使用序列模型來解決自然語言處理和語音識別等問題。[1]