Q&A

1. 什么是神经网络？什么是深度学习？它们和人工智能有何关系？

    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目前最活跃的一个分支，神经网络是机器学习中的一种方法，深度学习又是在神经网络的基础上发展起来的。在最近数年中，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，也为智能制造、交通物流、医疗健康、文化教育、金融财务、安防警戒、农业、通信、文学/艺术创作等其他多个领域提供了强大的新工具。可以说，深度学习正在、或将要改变科学和人类努力的各个领域。

2. 什么是TensorFlow? 为什么要学习TensorFlow2.0 版本？

    TensorFlow就是谷歌公司推出的一款高效的人工智能开源框架，自从2015年11月发布以来，已经成为全世界最广泛使用的深度学习库。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TensorFlow2.0版本，是对TensorFlow1.x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，使得普通人也能够体验开发人工智能应用程序的乐趣。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. 为什么要学习这门课？

    近年来，随着大数据的快速积累、计算资源的成熟发展、以及学习算法的发展创新，人工智能技术在多个领域取得重大突破，已经成为经济发展的新引擎，被视为推动现代社会进步的主要核心技术力量之一，它正在为农业、医疗、教育、能源、国防等诸多领域提供大量新的发展机遇。

    2017年7月20日，国务院印发《新一代人工智能发展规划》，鼓励高校拓宽人工智能专业教育内容，重视人工智能与数学、计算机科学、物理学、生物学、心理学、社会学、法学等学科专业教育的交叉融合，培养“人工智能×专业”复合型人才。因此，任何专业的学生，都应该掌握一些人工智能的知识。

4. 这门课程的主要内容是什么？学习这门课程后具备什么能力？

    课程以神经网络与深度学习的理论及其实例为主线，内容包括Python编程基础、多维数组和数据可视化、TensorFlow2.0深度学习框架、回归问题、分类问题、人工神经网络和卷积神经网络。我们将循序渐进、抽丝剥茧的详细介绍算法原理，并为每个重要的理论知识点精心设计了对应的TensorFlow实例，使学习者具备扎实的理论基础和良好的应用能力，能够根据实际任务的需求，合理选择和使用数据，构建、训练和测试模型，并调整模型或参数，优化和改进系统；能够对实验结果进行分析和解释，评估模型精度和误差，具备人工智能应用软件的方案设计和开发能力。   

5. 这门课程面向的学习对象？需要有什么基础？

    这门课程面向多种学科专业、多层次的学习者。只要你具备以下基础，就可以尝试开始学习：

    (1) 高等数学、线性代数、概率论的基本知识。知道导数、梯度、向量、矩阵、概率等基本概念及运算方法。

    (2) 学习过“大学计算机基础”或者其他类似的课程，知道计算机系统的基础知识。

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

6. 课程特色和亮点

    (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。

7. 每次开课的内容一样吗？学期结束后会关闭课程吗？

    我们的课程一直在持续改进中，每个新的学期，我们都会及时总结上一轮开课过程中积累的经验和存在的问题，对课程内容进行适当的调整、更新和补充。

    第四次开课中，我们主要更新了以下内容：

   (1) 增加了第8.6、15.1、15.5、15.6、15.7小节的视频，这几节在第三次开课中仅提供了文档。

   (2) 新增加了第16讲“GoogLe的AI原则”，进一步丰富课程内容。

   (3) 为所有视频添加了字幕，方便学员对课程的理解。

   (4) 更新了部分测试题、讨论题和作业题，使得它们和课程的内容更加的贴合，描述也更加严谨规范。

    为了便于大家学习，课程结束后我们不会完全关闭课程，仍然可以浏览课程视频和文档，只是无法提交作业、参与课堂讨论。错过了本次课程开课时间的同学，可以先根据视频和文档自主学习，完成并保存作业成果，在下次开课时提交作业、参与讨论。

8. 这门课程都是录播课吗？有直播课吗？

   我们计划在11月-12月推出直播课，梳理课程脉络，解析重点和难点，敬请关注。

• 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。

• 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。

• 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。