一、目标与计划
在这两年来，一直想好好学习下AI。于是乎，在8月25日的时候，我制定了个人目标。首先，我选择从吴恩达《深度学习》课程重新开始学习。然后，我制定了下面时间计划表。
二、计划完成过程
很高兴的是，计划在2019.09.29完成了，所以总体上是提前了。进度提前，得益于我在2017年的时候学习过一段时间这个课程，还有自己曾经也写过一些代码进行过实践，所以中间的作业课程基本上没怎么卡顿。
下面是我整个完成学习的进度：
课程1(第一周、第二周、第三周)：2019.8.25 ~ 2019.8.27
课程1(第四周)：2019.9.3 ~ 2019.9.5
课程2(第一周)：2019.9.7 ~ 2019.9.7
课程2(第二周)：2019.9.8 ~ 2019.9.9
课程2(第三周)：2019.9.9 ~ 2019.9.10
课程3(第一周)：2019.9.11 ~ 2019.9.11
课程3(第二周)：2019.9.12 ~ 2019.9.13
课程4(第一周)：2019.9.14 ~ 2019.9.15
课程4(第二周)：2019.9.15 ~ 2019.9.16
课程4(第三周)：2019.9.16 ~ 2019.9.17
课程4(第四周)：2019.9.18 ~ 2019.9.19
课程5(第一周)：2019.9.20 ~ 2019.9.21
课程5(第二周)：2019.9.23 ~ 2019.9.28
课程5(第三周)：2019.9.28 ~ 2019.9.29
从上面可知，我课程1花了11天时间，比计划中8天多了3天，这其中因为中间有几天工作比较忙，所以没有时间学习；课程2花了4天时间，比计划中的7天少了3天；课程3花了3天，比计划中的6天少了3天；课程4花了6天，比计划中的15天少了9天；课程5花了10天，比计划中12天少了2天。
至于每天花了多少时间，这个我没有精确记录。但是，我基本上保证了每天至少1个小时，有时候上班不忙的时候，在办公室也会看视频学习。
三、学习收获
总得来说，学习收获很多很多。下面，列举一些知识点。
学习了什么是神经网络，它内部的结构是什么样的。
学习了整个神经网络的前向传播和后向传播是怎么进行的。
学习了一些优化神经网络优化方法
学习了CNN的结构和原理
学习了残差网络、Inception这些著名的神经网络模型
学习了如何进行迁移学习
学习了目标检测、人脸识别和神经风格转移实现原理。
学习了RNN的结构和原理
学习了GRU、LSTM的结构和原理
学习了Word2Vec、Seq2Seq、注意力机制
在整个学习过程中，我每一个视频看完，都会记笔记，记录下重要的知识点。也许是前面神经网络这些基础知识掌握还不错，在加上吴恩达老师讲得浅显易懂，我发现在学习CNN、RNN居然没有什么很难理解的地方，而且在学习残差网络、Inception、Word2Vec、Seq2Seq和注意力机制这些内容的时候，也感觉非常容易理解。
感谢这门课程，在2017年的时候，曾经一个Seq2Seq虽然我自己用过，并且看过源代码，当时也只是一知半解。何况，后面的注意力机制，原理我完全不懂，只是搜索了很久，强行学会了使用Tensorflow怎么加上注意力机制。
四、成绩记录
记录下Coursera.org学习的这门课程记录，就当做生命中的里程碑，希望以后能真正踏入AI这个行业中。
上面可以看到，我都给课程评了5星好评，下面是我这门课的成绩。
五、最后
整个课程的学习模式，我是先在网易云课堂上看这门课程视频，因为上面有中文翻译。然后，在Coursera做题和编程练习。强烈推荐，学习这门课程，一定要做题和进行编程练习。
在我的计划中，学习完了，中间有一个月的代码实践过程，之后在学习《机器学习》这门课程。于是乎，我在十一的时候，参加了天池《"合肥高新杯"心电人机智能大赛》，虽然没有进入复赛，但初赛成绩也进入了Top10%，感觉还不错。在参加比赛的时候，我发现其实很多知识点，有的已经忘了，所以还需要重新查询以前的笔记。
当然，整个课程的知识点其实挺多的，我现在并不一定能完全将它吃透。但是，我知道以后在我不停实践过程中，再进行反复学习，这些知识都会成为我的技能一张张拼图。
总之，就好像吴恩达老师说的一样，学习了这门课程，掌握了深度学习，我们就拥有了一种超能力。
