神经网络与深度学习——TensorFlow实践
分享
课程详情
课程评价
spContent=人工智能不再准备有一天改变世界,它正在改变世界。现代社会,迫切需要人工智能和专业知识交叉融合的复合型人才,任何专业的学生,都需要掌握一些人工智能的知识。我们力求以最简洁易懂的方式,帮助初学者迈过人工智能的第一道门槛,引领大家“无痛”的进入人工智能的领域,实现从0到1的突破。
—— 课程团队
课程概述

1. 这门课的主题是关于什么?学习这门课可以获得什么?

这门课程的内容是神经网络与深度学习。神经网络人工智能中的一种方法;深度学习,可以简单的理解为深层次的神经网络,神经网络是深度学习的基础。

我们将从最基础的知识和最简单的应用开始,循序渐进的介绍神经网络和深度学习的发展过程、基本理论、主要框架、和典型应用,以及如何基于TensorFlow2.0深度学习框架,构建人工智能模型,使学习者具备人工智能应用软件的开发能力。

     

2. 为什么要学习这门课?

20世纪50年代起,人工智能的发展经历了逻辑推理、专家系统、机器学习三个阶段。机器学习是人工智能领域中最能够体现智能的一个分支。深度学习又是机器学习的一个分支,在最近几年中,计算机视觉、语音识别、自然语言处理、和机器人等领域所取得的惊人的进展,都离不开深度学习,它是这一轮人工智能热潮的核心驱动力量,已经成为人工智能领域最重要的技术之一。

深度学习不仅改变了计算领域,也为其他学科的强大新工具。可以说,深度学习正在、或将要改变科学和人类努力的每一个领域。任何专业的学生,都应该掌握一些人工智能的知识。

TensorFlow2.0版本非常的简单、清晰、好用,极大地降低了深度学习编程的门槛。使得普通人也能够使用人工智能技术解决任务。如果你是刚刚开始接触人工智能领域的小白,那么,现在正是开启学习之路的最佳时机。 

    

3. 课程定位?学习这门课需要有什么基础?

这是一门人工智能的公共基础课程,面向多种学科专业、“零基础”的学习者。下面是我们对“零基础”的定义:

(1) 了解高等数学、线性代数、概率论的基本知识。知道导数、向量、矩阵,概率这些基本概念;掌握基本的数学运算方法和规则。

(2) 学习过“大学计算机基础”或者其他类似的课程,知道计算机的最基础知识。

(3) 学习过任何一门编程语言。知道程序设计的基本方法,能够正确的编写出基本的练习程序。

 

4. 为什么要学习TensorFlow2.0? 它和TensorFlow1.x版本相比,有什么改进?

Tensorflow是目前最流行的深度学习框架,很多以前难以实现的大规模人工智能任务,都可以借助它来实现。但是,对于初学者而言,TensorFlow1.x不太容易学习和掌握。

2019年10月正式发布的2.0版本,是对之前版本彻底的、革命性的改造,它非常的简单、清晰、好用,并且容易扩展,极大地降低了深度学习编程的门槛。

 

5. 课程特点

(1) 聚焦于神经网络和深度学习,基本理论适度。

在理论方面,力求做到深入浅出、够用就好。另外,我们会把一些比较复杂的理论,或者数学推理的过程,以补充资料的形式,分享给大家,以满足部分学习者更深层次的要求。

(2) 面向实践应用,迭代式程序案例。

为了避免理论与实践脱节,这门课程是以“基本原理+实例”的方式来组织的,每一部分基本原理的后面,都有与之紧密相关的实例。这些实例的设计是从小到大,循序渐进的。通过这样不断的积累和迭代,帮助大家逐渐具备较大规模的智能系统的设计、开发方法能力。

(3)工具环境简单,易于配置和管理

课程实例采用Python语言和tensorflow2.0开发框架实现,开发环境选择Anaconda。这些语言、工具和环境的学习门槛相对来说比较低,非常适合初学者入门。而且它们也都是目前最主流的方法和工具,不仅学习资源丰富,而且非常强大和好用。


课程大纲
预备知识


n了解高等数学、线性代数、概率论的基本知识。知道导数、向量、矩阵,概率这些基本概念;掌握基本的数学运算方法和规则。

 

n学习过“大学计算机基础”或者其他类似的课程,知道计算机的最基础知识。

 

n学习过任何一门编程语言。知道程序设计的基本方法,能够正确的编写出基本的练习程序。


证书要求

为了保障证书权威性,平台不再支持免费电子证书,只提供认证证书

1.按时学习每章节的视频

2.完成每章节的测试题

3.积极参加讨论和互评

4.通过课程的结业测试