深度学习(DeepLearning)是机器学习(MachineLearning)中近年来备受重视的一支，深度学习根源于类神经网络(ArtificialNeuralNetwork)模型，但今日深度学习的技术和它的前身已截然不同，目前最好的语音识别和影像辨识系统都是以深度学习技术来完成，你可能在很多不同的场合听过各种用深度学习做出的惊人应用(例如：最近红遍大街小巷的AlphaGo)，听完以后觉得心痒痒的，想要赶快使用这项强大的技术，却不知要从何下手学习，可以学习一下这个资料。
可以毫不犹豫的说，这个资料是我看过最系统，也最通俗易懂的关于深度学习的文章。
它是由台大教授李宏毅讲解一天搞懂深度学习讲课的PPT，PPT主要包含四部分：什么是深度学习、深度学习的各种小技巧、有记忆力的深度学习模型、深度学习的应用和展望。
OutlineLectureI:IntroductionofDeepLearningLecturell:TipsforTrainingDeepNeuralNetworkLecturelll:ariantsofneuralNetworkLecturev:NextWaveLectureIntroductionofDeeplearningOutlineoflecturentroductionofDeepLearningLet'sstartwithgeneralmachinelearningWhyDeep"HelloWorldforDeepLearningMachineLearningLookingforafunctionSpeechrecognitionHowareyouImagerecognition=“Cat"Playinggo5-5″(nextmoveDialogueSystemHello(whattheusersaid)(systemresponseImageRecognition:FrameworkcatAsetofModefunctioncat)=“money"dosnakeImageRecognition:FrameworkcatAsetofModelf(41)="cat"f(=“moneyfunctionBetter)=“dog"f2(nakeGoodnessoffunctionfSupervisedLearningTrainingDatamonkey”“cat"“dogImageRecognition:FrameworkcatModelTrainingTestinAsetofunctioncatStepGoodnessofPickthe"Best"FunctionUsingfunctionfStepStep3TrainingDatamonkey”“cat"“dogThreestepsfordeeplearningStepStepStep3:pickdefineasetgoodnessofthebestoffunctionfunctionfunctionDeepLearningissosimple3DCTENCENTCO

卷积神经网络python实现。
卷积神经网络（ConvolutionalNeuralNetworks,CNN）是一类包含卷积或相关计算且具有深度结构的前馈神经网络（FeedforwardNeuralNetworks），是深度学习（deeplearning）的代表算法之一[1-2]。
由于卷积神经网络能够进行平移不变分类（shift-invariantclassification），因此也被称为“平移不变人工神经网络（Shift-InvariantArtificial

深度学习deeplearning人工神经网络讲稿ppt

Deeplearningallowscomputationalmodelsthatarecomposedofmultipleprocessinglayerstolearnrepresentationsofdatawithmultiplelevelsofabstraction.Thesemethodshavedramaticallyimprovedthestate-of-the-artinspeechrecognition,visualobjectrecognition,objectdetectionandmanyotherdomainssuchasdrugdiscoveryandgenomics.Deeplearningdiscoversintricatestructureinlargedatasetsbyusingthebackpropagationalgorithmtoindicatehowamachineshouldchangeitsinternalparametersthatareusedtocomputetherepresentationineachlayerfromtherepresentationinthepreviouslayer.Deepconvolutionalnetshavebroughtaboutbreakthroughsinprocessingimages,video,speechandaudio,whereasrecurrentnetshaveshonelightonsequentialdatasuchastextandspeech.

Thebookcoversthemostrecentdevelopmentsinmachinelearning,signalanalysis,andtheirapplications.Itcoversthetopicsofmachineintelligencesuchas:deeplearning,softcomputingapproaches,supportvectormachines(SVMs),leastsquareSVMs(LSSVMs)andtheirvariants;andcoversthetopicsofsignalanalysissuchas:biomedicalsignalsincludingelectroencephalogram(EEG),magnetoencephalography(MEG),electrocardiogram(ECG)andelectromyogram(EMG)aswellasothersignalssuchasspeechsignals,communicationsignals,vibrationsignals,image,andvideo.Further,itanalyzesnormalandabnormalcategoriesofreal-worldsignals,forexamplenormalandepilepticEEGsignalsusingnumerousclassificationtechniques.ThebookisenvisionedforresearchersandgraduatestudentsinComputerScienceandEngineering,ElectricalEngineering,AppliedMathematics,andBiomedicalSignalProcessing.

包含作业jupyter文件，内有答案，lr_utils工具及数据集等

LSTM-Matlab代码，DeepLearning,AI,MachineLearning

压缩包内包含两个文件夹，分别为第三课的两周课程，仅包括Quiz，其中Quiz为pdf格式，每个文件夹包含两个pdf(因不同次测试个别问题更新，故保存两个作业)。

deeplearning.ai课程中的ppt，打包整合版，可打印出来边看视频边看

PhilKim-2017Matlab_DeepLearning电子书和配套代码，非常适合初学者

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。