第四周

数学标记法和推荐系统

这周，我们将探索推荐系统的世界，例如 Netflix，亚马逊和其他网站使用的那些。你还将学习线性代数基础知识，在整个深度学习课程中，这都很有用。

直播：多种数学示例和推荐系统

WEEK 4
Math Notation + recommender systems
Live session: Various math examples + recommender system from scratch

第五周

数据准备（数据清洗、正则化、降维）

要实际应用深度学习，关键之一是收集正确的训练数据。在本课中，我们将探讨可以用来清洗和正则化数据的各种技术，让你训练出有效的模型。

直播：数据准备

WEEK 5
Data preparation (cleaning, regularization, dimensionality reduction)
Live session: Data prep from scratch

第六周

无人机图像追踪

卷积神经网络（CNN）是目前神经网络领域最令人振奋的进步之一，它现在已经可以比人类更出色地对图像中的物体分类。在本课中，我们将学习这些神经网络背后的原理，并使用它们来追踪无人机图像。

直播：图片分类

WEEK 6
Drone image tracking
Live session: Image classification from scratch

第七周

预测

在本课中，我们将了解递归神经网络（RNN），一种特别适合时间序列数据的神经网络架构。我们会把它应用到一些最重要的时间序列数据——股票价格！

直播：股票价格预测

WEEK 7
Stock prediction
Live session: Stock prediction from scratch

第八周

艺术品生成

除了简单的预测，深层神经网络现在也能够基于样本生成音乐，图像和艺术品。在本课中，我们将通过一种称为“风格迁移（Style Transfer）”的技术，使用神经网络来创建基于我们输入的艺术品的新艺术品。

直播：艺术风格迁移

WEEK 8
Art generation
Live session: Artistic Style transfer from scratch

第九周

音乐生成（将 LSTM 神经网络应用于音频）

正如 DeepMind 著名的 Wavenet 论文所表明，神经网络也可以应用于处理音频。在本课中，我们将使用一种称为 LSTM 的递归神经网络来基于现有样本生成新的音乐片段。

直播：音乐生成

WEEK 9
Music generation (LSTMs applied to Audio)
Live session: Generating music from scratch

第十周

诗歌生成（将 LSTM 神经网络应用于自然语言处理）

我们已经生成了图像和音乐，本周，我们将扩展到文本和语言，使用 LSTM 来基于训练数据生成新颖的书写样本。

直播：文本生成

WEEK 10
Poetry generation (LSTMs applied to NLP)
Live session: Text generation from scratch

第十一周

语言翻译（序列至序列学习）

机器翻译最近取得的进展，很大程度上归功于神经网络。最新版本的谷歌翻译和百度翻译都使用深度学习架构，来将文字从一种语言翻译成另一种语言。这是使用一种称为序列至序列学习（Sequence to Sequence Learning）的过程完成的，我们将在本课中探讨。

直播：语言翻译

W E E K 11
Language translation (sequence to sequence)
Live session: Language translation from scratch

第十二周

语音聊天机器人 QA 系统

我们进一步探索序列至序列学习，构建我们自己的聊天机器人 QA 系统，回答用户的各类问题。

直播：聊天机器人

WEEK 12
Chatbot QA System with voice
Live session: Chatbot from scratch

第十三周

游戏机器人（通过蒙特卡洛树搜索进行强化学习）

深度学习领域最有趣的一些进展，发生在增强学习领域。神经网络通过动态的即时数据学习并调整，而不是使用过时的数据来训练。我们将应用强化学习构建简单的游戏机器人，让它可以在各种 Atari 游戏中获胜。

直播：游戏机器人

WEEK 13
Game bot 2D (reinforcement learning via Monte-Carlo tree search)
Live session: Game bot from scratch

第十四周

图片压缩

深度学习也可以用来显著地改善压缩技术。在本课中，我们将使用深度学习来构建自动编码器，它可以自动找到数据稀疏样本。

直播：自动编码器

WEEK 14
Image compression
Live session: Autoencoder from scratch

第十五周

数据可视化

在本课中，你将应用深层学习来检测数据中的异常值。这在用来防止信用卡欺诈的应用中非常有用。

直播：数据可视化

WEEK 15
Data visualization
Live session: Data visualization from scratch

第十六周

图片生成

生成对抗网络（GAN）是深度学习中最深层的进步之一。你将探索这个新概念，使用计算机生成图像。大多数人不会相信这些图片是计算机生成的！

直播：生成对抗网络（GAN）

WEEK 16
Image generation
Live session: Generative adversarial network from scratch

第十七周

小样本学习（概率规划）

最后，我们将介绍小样本学习（one-shot learning）——神经网络只能从一个（或几个）样本中学习，而不是大量数据。

直播：小样本学习

WEEK 17
One-shot learning (Probabilistic Programming)
Live session: One shot learning from scratch

实战项目 1

你的第一个神经网络  Your First Neural Network

搭建一个简单的神经网络，预测共享单车的使用情况。

实战项目 2

物体识别  Object Recognition

搭建一个神经网络，可以识别图片中的物体。

实战项目 3

生成电视剧剧本  Generate TV Scripts

使用深度学习，为你最喜爱的电视连续剧生成剧本。

实战项目 4

开发翻译机器人 Make a Translation Chatbot

开发一个翻译机器人，可以在你与朋友聊天时帮你即时翻译。

实战项目 5

生成人脸  Generate Faces

使用生成对抗网络（GAN）来生成原创的人脸图像。