这节的学习内容主要讲了在深度学习背后的一些技术，主要是网络设计的一切技巧，主要有以下内容：

在做Optimization的时候，如何把Gradient Descent 做得更好？

Critical point、local minima、saddle point这些名词的含义，区别以及处理方法。

Batch的实际应用方法，以及large batch和small batch各自的优劣势；

为了克服传统Gradient descent的不足，提出的momentum方法；

Error surface可能遇到的一些问题，以及Adaptive learning rate的技巧；常用处理办法——Adam；