一、视频学习的心得
李昊：
在开始学习之前，其实并未接触过深度学习，但是在学习了之后，还是觉得很有意思的。现如今人工智能高速发展，机器人学习是人工智能的一方面，而深度学习则是被机器人学习所涵盖。现在只是在初步接触，希望后续能够通过自己动手加深这方面的了解。
王瑞清：
通过视频学习，我对人工智能和机器学习有了进一步的了解。首先是二者的联系，是人工智能催生了机器学习。让机器获取新的技能和知识，并识别现有知识的学问。以调查问卷举例，即用算法建立一个模型，按照我们所获取的信息，像人一样识别图片所反应的信息，从而得出结论。我们也应该认识到，人工智能所适应的领域十分广泛，值得我们不断地为之努力。
许颖颖：
什么是人工智能？这一直是我不太了解的地方。是简简单单让机器代替人类完成繁重的劳动？显然不止这些。它是一种对计算机进行训练，让它们完成人类目前可以做的更好的事情的研究。至于机器学习，它是人工智能的一个分支，让机器获取新的技能和知识，并识别现有知识的学问。从而节约大量的人力物力。但是我们也应认识到，这个领域我们所探索到的仅仅是冰山一角，未来，还有很长的路等待我们。
姚文龙：
通过观看视频了解了人工智能的范畴领域，对于其中所讲的机器学习所包含的深度学习有了初步了解，整个视频看下来，对于深度学习的理解，利用表示学习机器学习模型自身对数据进行提炼，这一概念性语言语句的理解不够透彻，希望在后续的学习中能够收获更多。
张雨潇：
通过学习网课内容，我明白了深度学习在我们生活中各个方面都有较为重要的运用，并且在现在以及将来的很长一段时间里，人工智能与深度学习都将成为计算机考研的主要方向，从网课里我还了解到深度学习在计算机视觉等方面展现出来的活力与潜力是以前机器学习算法所无法比拟的。为了让人工智能实现机器学习，我们可以用深度学习这个潜力极大的工具，但是深度学习算法输出不够稳定，模型复杂度较高，难以调试。而在本次视频学习中，我比较印象深刻的一点是：人工智能解决问题还是无法做到像人一样思考，它可以学习，但是并不能像人们一样学习，我们对它有更多了解的同时，也该明白它与人类相比的局限性。
李梓垠：
第一个视频主要讲了人工智能的发展史，现状，机器学习以及简单的深度学习介绍 。机器学习是人工智能的一方面，并且浅要了解了深度学习。同时了解了神经网络与深度学习的曲折发展史，在一次次的质疑和实践中不断优化算法，最终才慢慢走进人们的生活，发挥出生产价值。
第二个视频介绍了深度学习，通过深度学习与神经元的类比来了解深度学习，了解了神经网络激活函数，增加深度可以使模型误差减小等等，粗略了解了梯度下降和误差反向传播问题等等。神经网络通过模拟人类神经元结构让我感觉很新奇，希望在接下来通过学习能够加深对深度学习的理解。
二、视频学习后的疑问
李昊：对于模型的构建还是有些云里雾里，同时视频中涉及到的一些算法还不能太理解。
许颖颖：自编码器和玻尔兹曼机部分不理解。
王瑞清：不理解反向误差，梯度下降逼近最优解和玻尔兹曼机部分不太懂
姚文龙：反向传播、梯度消失两方面不是很理解。
张雨潇：对于许多原理以及算法都只是有一个粗浅的了解，因此对于具体的神经网络和深度学习只停留在一个表层的浅显的认识。总的来说，对于深度学习深度学习仍是一知半解。
李梓垠：万有逼近定理等不太理解，对于具体算法比如朴素贝叶斯等等不太理解；受限玻尔兹曼机也没听懂。
三、代码练习情况
李昊：https://www.cnblogs.com/ky1102/p/15387500.html
王瑞清：https://www.cnblogs.com/qy-df/articles/15387747.html
许颖颖：https://www.cnblogs.com/SmallDuckgo/articles/15387537.html
张雨潇：https://www.cnblogs.com/zyxz/p/15387513.html
李梓垠：https://www.cnblogs.com/hdliziyin/p/15387535.html
姚文龙：https://www.cnblogs.com/ywlywl/p/15387753.html