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。
为积极响应国家低碳环保政策, 2021年秋季学期开始,中国大学MOOC平台将取消纸质版的认证证书,仅提供电子版的认证证书服务,证书申请方式和流程不变。
电子版认证证书支持查询验证,可通过扫描证书上的二维码进行有效性查询,或者访问 https://www.icourse163.org/verify,通过证书编号进行查询。学生可在“个人中心-证书-查看证书”页面自行下载、打印电子版认证证书。
完成课程教学内容学习和考核,成绩达到课程考核标准的学生(每门课程的考核标准不同,详见课程内的评分标准),具备申请认证证书资格,可在证书申请开放期间(以申请页面显示的时间为准),完成在线付费申请。
认证证书申请注意事项:
1. 根据国家相关法律法规要求,认证证书申请时要求进行实名认证,请保证所提交的实名认证信息真实完整有效。
2. 完成实名认证并支付后,系统将自动生成并发送电子版认证证书。电子版认证证书生成后不支持退费。
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。