本周课程主要讲解了神经网络的一些优化算法，要点： - 随机梯度下降 - Momentum（动量）优化算法 - RMSProp优化算法 - Adam优化算法
学习目标 - Remember different optimization methods such as (Stochastic) Gradient Descent, Momentum, RMSProp and Adam - Use random minibatches to accelerate the convergence and improve the optimization - Know the benefits of learning rate decay and apply it to your optimization
本周课程主要讲解了神经网络中的优化的一些方法，要点： - Train/Dev/Test（训练/开发/测试数据集） - 偏差和方差 - 欠拟合和过拟合 - Regularization正则化 - Dropout随机失活 - Normalizing归一化 - 梯度消失和梯度爆炸 - 梯度检查
本周课程将从实际应用的角度介绍深度学习，上周课程已经学会了如何实现一个神经网络，本周将学习，实际应用中如何使神经网络高效工作。本周将学习在实际应用中如何使神经网络高效工作。这些方法包括超参数调整，数据准备，再到如何确保优化算法运行得足够快，以使得学习算法能在合理的时间内完成学习任务。
经过两个月的学习，终于把吴恩达老师的机器学习课程看完了，讲到了很多知识点，大部分东西看的时候都能理解，当然也有无法理解的，很快就遗忘了，所以要做好总结，把理解的记录下来，不理解的花点时间查阅资料在学习一下。我觉得这个课程很不错，深入浅出，吴恩达老师事无巨细的从细节入手，把每个概念都讲的很清晰，尤其是课后的练习题，更能深入理解所学的内容。
将如下内容复制到C:\Windows\System32\drivers\etc\hosts文件末尾
1 | 52.84.246.90 d3c33hcgiwev3.cloudfront.net |