吳恩達老師的深度學習課程是不可多得的入門教程，但由於網易官方不能發佈課後習題及編程作業，很多同學學完了課程卻不知道學習效果如何。因此，本魚決定寫個系列文章，大致講講解題思路，初衷是爲了大家更好的交流和學習，請不要將此答案用於coursera刷分等其他用途，否則後果自負。
“AI是新的電力”，這是吳恩達老師在今年AI Conference上主題演講的題目。這句話當然是比喻AI就像100年前的電力一樣，正在給我們的生產生活帶來巨大的變革。吳恩達老師在演講中說，“在未來的某一天，建立一個由AI驅動的社會，我們周圍的一切都具有AI智能，並改變人類的生活。”這個夢想的實現，不僅僅是依靠一個公司的努力，而是需要我們所有人一起努力。答案A。
這題問我們，最近深度學習這麼火的原因都有哪些？話說，深度學習並不是一個新的領域，它只是衆多機器學習算法中的一種，爲什麼在經歷了起起落落後，最近能火起來呢？因爲深度學習算法需要大量的數據和很強的硬件計算能力。之前受限於數據量和計算能力，一直不溫不火。近幾年互聯網蓬勃發展，各種信息都實現了數據化，數據量大增，你想想你網購時留在互聯網上的信息你就知道了。另外，計算機硬件按照“摩爾定律”發展，計算能力指數增長，這些都爲深度學習算法的再次勃發提供了很好的基礎。當然，也離不開利用深度學習算法實現的表現優異的各種產品，比如阿爾法狗，圖像識別機器人，索菲亞機器人等。答案ABD。
這個圖向我們展示了開發神經網絡的一個過程，即從有想法，到用代碼實現，再到運行代碼看結果，再回過頭修正想法如此循環往復。一個團隊如果能更快的用代碼實現想法，或者寫出來的代碼（算法）更好，或者科學家研究出了更優秀的算法，上述循環過程都會更短，從而提高效率。考慮到以上的原因，訓練一個大的數據集，花的時間未必比訓練小數據集花的時間長，當然也不是在大數據集上訓練就更快。答案ABD。
這題考查我們對操作經驗和模型的理解。一個表現很好的深度學習模型，並不是僅靠經驗就能立馬找到的。雖然經驗很重要，但要找到一個表現很好的模型，都需要嘗試，修復，不斷完善的一個過程。答案False
這是第五題，問我們哪個圖是ReLU函數，答案是上圖。常用的激活函數還有：sigmoid函數，tanh函數和leaky ReLU函數。
此題考查我們對結構化數據和非結構化數據的理解。貓圖像識別的數據是典型的非結構化數據，常見的非結構化數據還有文本，圖像，視頻等。答案False
此題考查我們對結構化數據和非結構化數據的理解。人口、GDP增速、經濟增長率等數字都是結構化數據。答案False
此題考查我們對RNN（循環神經網絡）的瞭解。RNN在語音識別，語言建模，翻譯，圖片描述等問題上已經取得一定成功。它是一種監督學習，比如輸入數據英文，標籤爲法文。RNN 可以被看做是同一神經網絡的多次賦值，每個神經網絡模塊會把消息傳遞給下一個，所以它是鏈式的，鏈式的特徵揭示了 RNN 本質上是與序列和列表相關的，所以它在解決sequence上是毫無問題的。要說哪個完全比另一個強，基本都是錯的。答案AC
這張圖從側面反映了深度學習爲什麼會火。它的橫座標是數據量，縱座標是該算法的表現。從圖中可以看出，隨着橫座標--數據量的增大，無論是小型，中型還是大型的神經網絡，表現均越來越好，而傳統的算法則一直停留在一個水平。答案B
此題還是考查對上圖的理解。總的來說，對於相同的數據量，只要足夠多了，那麼大型神經網絡的表現更好。對同一個神經網絡，數據量越多，其表現越好。答案BD