根据学习进度，将吴恩达《深度学习》课程笔记总结如下，具体如下：
第一门课：神经网络和深度学习（第一周）——深度学习引言
第一门课：神经网络和深度学习（第二周）——神经网络的编程基础
第一门课：神经网络和深度学习（第三周）——浅层神经网络
第一门课：神经网络和深度学习（第四周）——深层神经网络
第二门课：改善深层神经网络：超参数调试、正则化以及优化（第一周）——深度学习的实用层面
第二门课：改善深层神经网络：超参数调试、正则化以及优化（第二周）——优化算法
第二门课：改善深层神经网络：超参数调试、正则化以及优化（第三周）——超参数调试、Batch正则化和程序框架
第三门课：结构化机器学习项目（第一周）——机器学习策略(1)
第三门课：结构化机器学习项目（第二周）——机器学习策略(2)
第四门课：卷积神经网络（第一周）——卷积神经网络
第四门课：卷积神经网络（第二周）——深度卷积网络：实例探究
第四门课：卷积神经网络（第三周）——目标检测
第四门课：卷积神经网络（第四周）——特殊应用：人脸识别和神经风格转换
第五门课：序列模型（第一周）——循环序列模型
第五门课：序列模型（第二周）——自然语言处理与词嵌入
第五门课：序列模型（第三周）——序列模型和注意力机制