喜大普奔！今天，吴恩达的深度学习系列课程最后一课上线了！

去年6月，吴恩达宣布deeplearning.ai创业项目，8月，该项目揭晓：一套由5门课组成的深度学习系列课程——Deep Learning Specialization，旨在推广普及深度学习知识。

前3门课程一上线便引发了一股热潮，然而一直到11月，第4门课程才姗姗来迟，之后，吴老师又陷入了沉寂期，开始忙活自己的另外两个创业项目：Landing.ai和AIFund。一直到今天（2月1日），Deep Learning Specialization的第5课才终于上线，这也是Deep Learning Specialization的最后一课。

以下是第5课的内容简介：

▌课程简介

这门课会教你如何构建自然语言、音频以及其他序列数据的模型。基于深度学习，序列算法比两年前有了巨大的飞跃，并且催生了语音识别、音乐合成、聊天机器人、机器翻译、自然语言理解等领域的诸多应用。

通过这门课的学习，你将会：

• 理解如何构建并训练循环神经网络（RNN），以及一些广泛应用的变体，例如GRU和LSTM

• 能够将序列模型应用到自然语言问题中，包括文字合成。

• 能够将序列模型应用到音频应用，包括语音识别和音乐合成。

适用人群：

已经上完第一课、第二课和第四课的学员，我们同样也推荐第三课；已经对神经网络（包括卷积网络）有深刻理解，并希望学习如何开发循环神经网络的学员。

讲师：吴恩达、 Kian Katanforoosh、Younes Bensouda Mourri

▌课程安排

第一周 循环序列模型

本周的知识点是循环神经网络。这种类型的模型已经被证明在时间数据上表现非常好，它有几个变体，包括 LSTM、GRU 和双向神经网络，本周的课程中也都包括这些内容。

第二周 自然语言处理与词嵌入

自然语言处理与深度学习是特别重要的组合。使用词向量表示和嵌入层，可以训练在各种行业中表现出色的循环神经网络。应用程序示例包括情绪分析、物体识别和机器翻译。

第三周 序列模型和注意力机制

注意力机制可以增强序列模型。这个算法将帮助你的模型理解，在给出一系列的输入时，它应该把注意力放在什么地方。本周，你还将学习语音识别以及如何处理音频数据。

2011年 ，吴恩达的Machine Learning传奇课程上线，被封为机器学习入门的经典之作。6年之后，从百度离职的吴恩达终于重拾“老师”的身份，推出新的课程——Deep Learning Specialization。然而，忙于多个创业项目的吴恩达显然分身乏术，下一次，我们要等到什么时候呢？