在深度学习专业的第二门课程中，您将打开深度学习的黑盒子，了解驱动性能的过程，并系统地生成良好的结果。

课程结束时，您将学会训练和开发测试集以及分析偏差/方差的最佳实践，以构建深度学习应用；能够使用标准的神经网络技术，如初始化、L2 和 dropout 正则化、超参数调整、批量归一化和梯度检查；实施和应用各种优化算法，如迷你批量梯度下降、动量、RMSprop 和 Adam，并检查其收敛性；以及在 TensorFlow 中实施神经网络。 深度学习专业是我们的基础课程，将帮助您了解深度学习的能力、挑战和后果，为参与尖端人工智能技术的开发做好准备。它为您提供了一条途径，让您获得将机器学习应用到工作中的知识和技能，提升您的技术职业水平，并在人工智能世界中迈出决定性的一步。