学习

课程简介：

神经网络（ Artificial Neural Network ）是机器学习的一个重要算法，也是奠定深度学习发展的基础算法，它的思想影响了深度学习，使得深度学习成为人工智能中极为重要的技术之一。
神经网络作为一种常用的方法，是一种通过模仿生物的神经网络结构和功能的数学模型，也是一种自适应的计算模型。它通过感知外部信息的变化来改变系统的内部结构。神经网络由许多的神经元组成，神经元之间相互联系构成信息处理的庞大网络。假设做一件事情有多种途径，那么神经网络会告知设计者哪一种途径是最佳方式。
神经网络的优势在于它是一个能够通过现有数据进行自我学习、总结、归纳的系统，能够推理产生一个智能识别系统，从而成为人工智能技术中的重要基石。
通关本课程的所有实训后，学员应掌握神经网络所涉及的数学、机器学习、以及基本神经网络结构等知识，并且掌握如何使用当下热门的深度学习框架 PyTorch 来实现例如激活函数、损失函数等神经网络中的算法。
本实训课程以刘平凡等编写的《神经网络与深度学习实战》为蓝本。本书结合实际应用介绍神经网络和深度学习等技术领域相关信息。从结构上重点介绍了前馈型神经网络、反馈型神经网络 ，以及自组织竞争型神经网络， 并针对当下深度学习中比较重要的网络进行了详细介绍，包括卷积神经网络、循环（递归） 神经网络、 深度信念网络、生成对抗网络，以及深度强化学习。本书不仅能让读者对当前神经网络和深度学习技术有体系的认知，更能让读者在人工智能领域进行一些深入思考 。本实训参照教材提供的部分实验进行改编，以适应在线实训的要求。

课程章节：