NVIDIA 深度學習學院與 Deeplearning.ai 及 Coursera 合作開發「Deep Learning Specialization」（深度學習專精）新課程。
卷積神經網路、遞歸神經網路、長短期記憶網路。
想要獲得學習深度學習領域的最新知識，得學習很多東西，而 Deeplearning.ai 與 Coursera 新的線上課程將告訴你其中秘訣。
NVIDIA 深度學習學院（DLI）與這兩家業者合作開發 Deep Learning Specialization 課程裡產業級別的編程作業。
你將透過五門課程深入瞭解深度學習的基礎；認識如何建立、優化和部署神經網路，還有學習如何成功帶領進行機器學習專案。
除了CNNs、RNNs 及 LSTMs 外，你還會學習到 Adam、Dropout、BatchNorm 跟 Xavier/He 初始化的相關知識，使用 TensorFlow 深度學習架構以 Python 語言練習這些演算法。
你不但可以掌握理論，還可以學習如何藉由醫療保健、自動駕駛、讀取手語、音樂生成與自然語言處理等個案研究來加以應用，以及為其中包括機器學習飛行模擬器在內的多個應用項目建立深度學習模型。
尋找深度學習使用的語言
DLI 與 Deeplearning.ai 合作進行 Deep Learning Specialization 課程五「序列模型」部分的內容。Deeplearning.ai 會使用 DLI 的部分自然語言處理基礎課程資料。
為了說明翻譯語言所需要的技術，也將日期翻譯加入課程。例子包括將日期從「2015年11月12日」這個人類能讀取的形式，轉換成「2015-11-12」這個機器可判讀的形式。
拜深度學習之賜，這個領域使用的序列演算法已經在語音辨識、音樂合成、聊天機器人、機器翻譯、自然語言理解及許多應用項目方面，創造出令人興奮的進步成就。
完成 Deep Learning Specialization 課程後，會讓你更深入掌握這個課題、明白如何在工作裡發揮創意來使用它，並且在人工智慧領域中開拓未來職涯發展的道路。
「人工智慧是新的電力，幾乎能改變我們所做的一切事情。與 NVIDIA 深度學習學院合作開發序列模型課程教材，讓我們能將深度學習領域的最新發展資訊提供給所有人。」Deeplearning.ai 創辦人、 Coursera 聯合創辦人，過去也曾是百度首席研究員的吳恩達（Andrew Ng）說。
本課程在授課時採用 Python 語言，建議學員需具備基本程式設計技巧，像是瞭解迴圈、if / else 陳述句，還有 List 或 Dictionary 這種複雜的資料結構。同時也建議具備機器學習相關基本知識。如果你是新手，則是建議你考慮吳恩達在 Coursera 上開設的機器學習課程。
要是你從未接觸過深度學習相關知識，又急著進入這個領域，請先查看取得人工智慧領域速成課程的最佳場所清單。