這些課程專為已有一定基礎（基本的編程知識，熟悉 Python、對機器學習有基本了解），想要嘗試進入人工智能領域的計算機專業人士準備。介紹顯示：“深度學習是科技業最熱門的技能之一，本課程將幫你掌握深度學習。” 在這 5 堂課中，學生將可以學習到深度學習的基礎，學會構建神經網絡，并用在包括吳恩達本人在內的多位業界頂尖專家指導下創建自己的機器學習項目。Deep Learning Specialization 對卷積神經網絡 （CNN）、遞歸神經網絡 （RNN）、長短期記憶 （LSTM） 等深度學習常用的網絡結構、工具和知識都有涉及。課程中也會有很多實操項目，幫助學生更好地應用自己學到的深度學習技術，解決真實世界問題。這些項目將涵蓋醫療、自動駕駛、和自然語言處理等時髦領域，以及音樂生成等等。Coursera 上有一些特定方向和知識的資料，但一直沒有比較全面、深入淺出的深度學習課程——《深度學習專業》的推出補上了這一空缺。

　　深度學習改變了傳統互聯網業務，例如如網絡搜索和廣告。但是深度學習同時也使得許多新產品和企業以很多方式幫助人們，從獲得更好的健康關注。深度學習做的非常好的一個方面就是讀取 X 光圖像，到生活中的個性化教育，到精準化農業，甚至到駕駛汽車以及其它一些方面。如果你想要學習深度學習的這些工具，并應用它們來做這些令人窒息的操作，本課程將幫助你做到這一點。當你完成 cousera 上面的這一系列專項課程，你將能更加自信的繼續深度學習之路。在接下來的十年中，我認為我們所有人都有機會創造一個驚人的世界和社會，這就是 AI（人工智能）的力量。我希望你們能在創建 AI（人工智能）社會的過程中發揮重要作用。我認為 AI 是最新的電力，大約在一百年前，我們社會的電氣化改變了每個主要行業，從交通運輸行業到制造業、醫療保健、通訊等方面，我認為如今我們見到了 AI 明顯的令人驚訝的能量，帶來了同樣巨大的轉變。顯然，AI 的各個分支中，發展的最為迅速的就是深度學習。因此現在，深度學習是在科技世界中廣受歡迎的一種技巧。通過這個課程，以及這門課程后面的幾門課程，你將獲取并且掌握那些技能。下面是你將學習到的內容：在 cousera 的這一系列也叫做專項課程中，在第一門課中（神經網絡和深度學習），你將學習神經網絡的基礎，你將學習神經網絡和深度學習，這門課將持續四周，專項課程中的每門課將持續 2 至 4 周。但是在第一門課程中，你將學習如何建立神經網絡（包含一個深度神經網絡），以及如何在數據上面訓練他們。在這門課程的結尾，你將用一個深度神經網絡進行辨認貓。由于某種原因，第一門課會以貓作為對象識別。接下來在第二門課中，我們將使用三周時間。你將進行深度學習方面的實踐，學習嚴密地構建神經網絡，如何真正讓它表現良好，因此你將要學習超參數調整、正則化、診斷偏差和方差以及一些高級優化算法，比如 Momentum 和 Adam 算法，猶如黑魔法一樣根據你建立網絡的方式。第二門課只有三周學習時間。在第三門課中，我們將使用兩周時間來學習如何結構化你的機器學習工程。事實證明，構建機器學習系統的策略改變了深度學習的錯誤。舉個例子：你分割數據的方式，分割成訓練集、比較集或改變的驗證集，以及測試集合，改變了深度學習的錯誤。所以最好的實踐方式是什么呢？你的訓練集和測試集來自不同的貢獻度在深度學習中的影響很大，那么你應該怎么處理呢？如果你聽說過端對端深度學習，你也會在第三門課中了解到更多，進而了解到你是否需要使用它，第三課的資料是相對比較獨特的，我將和你分享。我們了解到的所有的熱門領域的建立并且改良許多的深度學習問題。這些當今熱門的資料，絕大部分大學在他們的深度學習課堂上面里面不會教的，我認為它會提供你幫助，讓深度學習系統工作的更好。在第四門課程中，我們將會提到卷積神經網絡（CNN（s）），它經常被用于圖像領域，你將會在第四門課程中學到如何搭建這樣的模型。最后在第五門課中，你將會學習到序列模型，以及如何將它們應用于自然語言處理，以及其它問題。序列模型包括的模型有循環神經網絡（RNN）、全稱是長短期記憶網絡（LSTM）。你將在課程五中了解其中的時期是什么含義，并且有能力應用到自然語言處理（NLP）問題。總之你將在課程五中學習這些模型，以及能夠將它們應用于序列數據。比如說，自然語言就是一個單詞序列。你也將能夠理解這些模型如何應用到語音識別或者是編曲以及其它問題。