人工智能与深度学习

课程大纲

• 第1章感知机
•     第1节 感知机是什么 试听
  视频名称:1.1 感知机是什么.mp4
•     第2节 简单逻辑电路 试听
  视频名称:1.2 简单逻辑电路.mp4
•     第3节 感知机的实现
•     第4节 感知器机的局限性
•     第5节 多层感知机

• 第2章神经网络
•     第1节 从感知机的神经网络
•     第2节 激活函数
•     第3节 多维数组的运算
•     第4节 3层神经网络的实现
•     第5节 输出层的设计
•     第6节 手写数字识别

• 第3章神经网络的学习
•     第1节 从数据中学习
•     第2节 损失函数
•     第3节 数值微分
•     第4节 学习算法的实现

• 第4章误差反向传播
•     第1节 计算图
•     第2节 链式法则
•     第3节 反向传播
•     第4节 简单层的实现
•     第5节 激活函数层的实现
•     第6节 Affine/Softmax层的实现
•     第7节 误差反向传播法的实现

• 第5章与学习相关的技巧
•     第1节 参数的更新
•     第2节 权重的初始值
•     第3节 Batch Normalization
•     第4节 正则化
•     第5节 超参数验证

• 第6章卷积神经网络
•     第1节 整体结构
•     第2节 卷积层
•     第3节 池化层
•     第4节 卷积层和池化层的实现
•     第5节 CNN的实现
•     第6节 CNN的可视化
•     第7节 具有代表性的CNN

• 第7章深度学习
•     第1节 加深网络
•     第2节 深度学习的小历史
•     第3节 深度学习的高速化
•     第4节 深度学习的应用案例

• 第8章深度学习框架
•     第1节 sklearn
•     第2节 PyTorch
•     第3节 Tensorflow和keras

实验列表

• 实验名称感知机实现异或门
• 实验描述异或门是常用的电路之一，本次实验将使用感知机实现与门、与非门、或门。并把前面几个感知机组合层多层感知机，实现异或门。

• 实验名称手写数字识别
• 实验描述使用一个两层神经网络完成MNIST手写数字识别的问题。

• 实验名称优化器对比实验
• 实验描述以实验2的网络为基础，分布使用SGD、Momentum、Adagrad、Adam优化器进行训练，对比最终效果。

• 实验名称卷积神经网络
• 实验描述使用框架实现神经网络。并在FashionMnist数据集上进行训练。