整个计算机行业正在经历从大数据时代向人工智能时代、消费互联网向产业互联网转型的变革时期。处于漩涡中心的深度学习(DNN)技术，出镜率极高。每次在网上闲逛看到相关材料，DNN的一些词汇反复出现却不知道是什么意思。因此，为防止被大潮甩落，我花了近半年的时间，在Coursera上系统的学习了大名鼎鼎的deeplearning.ai系列课程，算是给自己补补课。

目前上到了第五门，大概再过1-2周全系列课程就算结束。总的来说，系列课程的前三程较为基础，写的都是一些教科书内呈现的内容。相对于2010年Andrew Ng的Machine Learning课程来说，前三门课并没有引入太多新的概念，但插入了一些近些年工业实践证明有效的内容，比如Gradient-Descent&Adam-optimizer、Sigmoid&ReLu等。而从第四门课程开始，内容就相对比较新颖，大部分是13-15年的研究成果。比如第四门课系统性的讲解了基于CNN的算法，这两年非常热门的人脸识别、无人车等应用，就是基于CNN在13-15年的进展而发展起来的。第五门课程的Sequence Model，更新了近几年NLP基于DNN技术而衍生出的重大进展，非常有意思。

对于我个人来说，由于研究生时期接触过神经网络学习和图像处理，对DNN有一些初浅的认知。在看过这个系列课程以后，感觉更像是在补上毕业10年后整个行业的关键进展。为了加深自己学习的印象，准备写一组复习blog，摘要式的将课程的核心内容整理出来，就算是给自己半年的自学做一个小结。其中课程中提到的一些关键文献，也可能在后面以单独介绍的方式加以介绍¹。