Coursera-Deep Learning Specialization 课程之（一）：Neural Networks and Deep Learning-weak2

weak2目录:

Logistic Regression as a Neural Network

Python and Vectorization

编程作业：

1. Python Basics with numpy (optional)

2. Logistic Regression with a Neural Network mindset

学习目标：

建立浅层神经网络的logistic回归模型

掌握机器学习算法的主要步骤，包括预测、导数计算以及梯度下降

了解如何使用反向传播思想计算logistic回归的导数

熟悉Python and Numpy

使用iPython Notebooks工作

能够实现跨多个训练样本的矢量化

课程内容之Logistic Regression as a Neural Network

Binary classification（二分类）、Logistic Regression、Logistic Regression损失函数

梯度下降、导数、Computation graph（计算图）及求导、LogisticRegression梯度下降

课程内容之Python and Vectorization

矢量化Logistic Regression、矢量化Logistic Regression梯度、Brocasting、logistic 回归代价函数的解释

编程作业（后续完成）

1. Python 基础(optional)

2. Logistic Regression with a Neural Network mindset