我知道神经网络的概念，我在 Coursera 上学习了 Andrew Ng 的机器学习课程，所以我也编写了一些简单的代码。但是，我错过了所有有助于防止深度网络过度拟合的新技巧，例如：

• 使用 ReLU 而不是 tanh 神经元
• 使用辍学
• 比普通随机梯度下降更先进的学习方法

等等。我想关注一个 MOOC，它告诉我如何使用 Keras 进行深度学习（我非常喜欢 Keras，因为 IMO 比其他软件包更容易理解，但我愿意接受建议）。我也会对一本书感到满意，但我真的更喜欢 MOOC。不一定是免费的。你能给我指一个吗？该应用程序是数据科学，但通用深度学习可以。

编辑：为了给这个问题提供更多背景信息，我的主要应用程序是物联网分析，即云平台上的应用程序，这些应用程序从工业机器收集实时的流式传感器数据，并允许估计它们的实际性能，预测概率故障及其发生前的时间，检测异常等。我不需要开发云平台：我只需要开发“核心”分析。可以把它想象成只是将深度学习应用于时间序列或分类问题。然而，当新数据到达时可以很容易地重新训练的方法，而不必再次遍历整个数据集，将是首选方法。