国务院印发的《新一代人工智能发展规划》指出人工智能是引领未来的战略性技术,人工智能(AI)作为新一代信息技术的核心驱动,正在快速改变社会的各行各业。数据、算法和算力是这轮人工智能发展的重要支撑,本课程讲授的神经网络与深度学习是算法理论的关键组成部分。该课程面向人工智能、智能科学与技术、计算机和信息与通信工程等相关理工科专业的高年级本科生和低年级的研究生,以及具有类似背景的对深度学习感兴趣的人士,是人工智能教育课程体系中的核心课程。
Overview
Coursera Flash Sale
40% Off Coursera Plus for 3 Months!
Grab it
Syllabus
- 第一章 绪论
- 1-1 人工智能
- 1-2 表示学习
- 1-3 神经网络
- 1-4 本书的知识体系
- 第二章 机器学习概述
- 2-1 机器学习
- 2-2 线性回归
- 2-3 偏差方差分解
- 2-4 评价指标
- 第三章 线性模型
- 3-1 线性回归课程
- 3-2 逻辑回归课程
- 3-3 SVM
- 3-4 SVM软间隔
- 3-5 核函数
- 3-6 模型选择与评估
- 第四章 前馈神经网络
- 4-1 前馈神经网络
- 4-2 网络结构
- 4-3 反向传播算法
- 第五章 卷积神经网络
- 5-1 卷积神经网络
- 5-2 卷积神经网络结构与卷积操作
- 5-3 卷积网络数据增广
- 5-4 卷积神经网络应用案例
- 第六章 循环神经网络
- 6-1 循环神经网络
- 6-2 应用到机器学习
- 6-3 长程依赖问题
- 6-4 深层循环神经网络
- 第七章 网络优化与正则
- 7-1 网络优化
- 7-2 网络正则化
- 第八章 注意力机制
- 8-1 注意力机制
- 8-2 注意力与CNN
- 8-3 注意力与RNN
- 8-4 Transformer
- 期末考试
Taught by
Xiaoyu Wu and Taozheng Zhang