此资料是Coursera上Deep Learning Specialization的笔记整理资料 主要按照目录分类，于近日刚刚整理完毕，对目录的结构进行了重新的调整与整合，增加了关于视频的额外论文与讲稿的资料
-
COURSE 1: Neural Networks and Deep Learning
第一部分，涵盖了神经网络的基本结构及如何组成，介绍了神经网络的结构基础以及数学基础。 -
COURSE 2: Improving Deep Neural Networks Hyperparameter tuning, Regularization and Optimization
第二部分，介绍了如何通过算法去改进神经网络的性能，以及如何选取参数/超参数，从而使梯度下降更加容易 -
COURSE 3: Structuring Machine Learning Projects
第三部分，介绍了机器学习项目是如何组成的，怎样规划一个机器学习项目，更重要的是，如何避免那些不能触及的雷区，使得团队效率提高 -
COURSE 4: Convolutional Neural Networks
第四部分，介绍了深度学习的一个重要分支：卷积神经网络(CNN)。通过CNN，能够从视觉的角度来分辨物体、人物的差异，从而进行判断。同时也介绍了一些十分流行且效率很高的算法，使得深度学习在视觉层面表现十分出色。本部分涉及到了许多的论文阅读，如有条件应积极阅读。
