是时候，该……
总结一下了
上面是前13个笔记的一个示意图，简单了点，但是内容架构应该是有的，先容我再道一道，梳理下：
首先整体的第一周的课程是神经“网路”，对，通向神经网络的基础的网络，其中讲解了内容模块包括：
二分分类
二分类问题简单来说就是1和0的问题，也就是著名的cat 和 noncat问题，这个处理是靠图片输入，然后计算机整合处理矩阵输入，使用网络初等感知机进行输出，这是一个典型的判别网络模型
逻辑回归
逻辑回归问题，如果说二分类问题是分类问题的话，那么这个可以简单地理解成为回归问题，对的，网络模型中基本上使用的最多的也就是分类问题（人脸识别，手写体识别，猫识别）和回归问题（房价预估），在这里你要了解到的是逻辑回归使用了最大似然估计，定义逻辑回归函数和成本函数后，利用梯度下降进行损失最小化
梯度下降
梯度下降这一部分就是讲解了梯度为何下降的，要清楚理解其中的权重更新，学习率，还有前后向的求导方法，可是梯度下降并不仅仅是这个一个简单的流程就能解决各种各样复杂的问题，还有很多前辈们优化的方法，比如权重衰减，学习率衰减等，这个在后面会讲到。
向量化
量化，这一部分其实是在教我们如何在硬件的基础上更好的加快训练速度和思维空间逻辑思考，它可以让我们一次训练多样本，更简单和更高效的完成训练目标。但是python的numpy这一个模块还是有必要去好好看下的，这也算是一个建议了，希望下去好好努力下。
总结的稍微简单了点，框架是有了的，希望在AI的路上有你我相伴，加油！
