257分钟
深度学习基础概论-夯实人工智能算法地基
《深度学习基础概论-夯实人工智能算法地基》是一门深度学习入门课程，旨在帮助你从零开始，理解并掌握深度学习的基本概念和技巧。 课程首先介绍神经网络的基础和神经元结构，然后讲解激活函数和神经网络拓扑架构的…
《深度学习基础概论-夯实人工智能算法地基》是一门深度学习入门课程，旨在帮助你从零开始，理解并掌握深度学习的基本概念和技巧。
课程首先介绍神经网络的基础和神经元结构，然后讲解激活函数和神经网络拓扑架构的理论和实践。接下来，我们将深入学习深度学习框架Tensorflow，包括安装方法、数据类型、常用函数及数学运算等内容。
课程中，你还将学习如何在Tensorflow中实现常用的深度学习模型，如何处理数据、构建、编译和训练模型。此外，我们还将通过实例，让你了解如何在实际问题中应用深度学习。
无论你是计算机科学或相关领域的学生，还是希望增强深度学习技能的专业人士，或者是对人工智能和深度学习感兴趣的技术爱好者，这门课程都将为你提供实用的知识和技能。
课程导读
第1章 深度学习神经网络
- 1神经网络基础介绍
- 2神经元结构讲解
- 3用python实现神经元demo
- 4激活函数概述
- 5激活函数的Tensorflow实现1
- 6激活函数的Tensorflow实现2
- 7神经网络的拓扑架构
- 8常用深度学习模型介绍
第2章 深度学习框架
- 1深度学习框架
- 2Tensorflow GPU版本所需的硬件环境准备
- 3Anaconda安装
- 4conda常用命令操作的用法
- 5Tensorflow的安装及查看（CPU、GPU版）
- 6Tensor数据类型及创建函数介绍
- 7Tensor数据类型及创建函数案例演示
- 8Tensorlow其他常用函数及数学运算
- 9tf.data.Dataset对象简介
- 10tf.GradientTape讲解
- 11tf.one_hot和tf.argmax函数讲解
第3章 构建深度学习模型
- 1MNIST数据集概述及加载
- 2MNIST数据预处理
- 3构建及编译模型
- 4构建及编译模型代码实现
- 5模型训练及代码实现
- 6将数据转换为tf.data.Dataset再训练模型
- 7另一种方式，使用 tf.GradientTape 来训练模型
- 8课后习题讲解
课程总结
测试题
谢佳标
2017-2024 微软MVP