hi,小慕
课程

中国大学MOOC,为你提供一流的大学教育

认证学习
为你提供认证成绩和证书,以及AI高效学习服务
查看详情
大学

国家精品

认证学习

智慧课程

理学工学农学

计算机

经济管理

外语

音乐与艺术

心理学

文史哲法

医学与保健

教育教学

大学生竞赛

软件实训

人工智能

升学/择业

考研

期末突击

专升本

四六级

保研及论文

求职就业

专四专八

大学应试英语

期末资料

终身学习

有声课堂

兴趣技能

hi,小mooc
期末不挂科
神经网络与深度学习
第2次开课
开课时间: 2021年04月10日 ~ 2021年07月15日
学时安排: 2-4小时每周
当前开课已结束 已有 9134 人参加
立即自学
往期不提供结课证书,想参加下学期课程, 点击这里预约>>
课程详情
课程评价(334)
spContent=人工智能不再准备有一天改变世界,它正在改变世界。现代社会,迫切需要人工智能和专业知识交叉融合的复合型人才,任何专业的学生,都需要掌握一些人工智能的知识。我们力求以最简洁易懂的方式,帮助初学者迈过人工智能的第一道门槛,引领大家“无痛”的进入人工智能的领域,实现从0到1的突破。
人工智能不再准备有一天改变世界,它正在改变世界。现代社会,迫切需要人工智能和专业知识交叉融合的复合型人才,任何专业的学生,都需要掌握一些人工智能的知识。我们力求以最简洁易懂的方式,帮助初学者迈过人工智能的第一道门槛,引领大家“无痛”的进入人工智能的领域,实现从0到1的突破。
—— 课程团队
课程概述

1. 这门课的主题是关于什么?学习这门课可以获得什么?

这门课程的内容是神经网络与深度学习。神经网络人工智能中的一种方法;深度学习,可以简单的理解为深层次的神经网络,神经网络是深度学习的基础。

我们将从最基础的知识和最简单的应用开始,循序渐进的介绍神经网络和深度学习的发展过程、基本理论、主要框架、和典型应用,以及如何基于TensorFlow2.0深度学习框架,构建人工智能模型,使学习者具备人工智能应用软件的开发能力。

     

2. 为什么要学习这门课?

20世纪50年代起,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最能够体现智能的一个分支。深度学习又是机器学习的一个分支,在最近几年中,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,也为其他学科的强大新工具。可以说,深度学习正在、或将要改变科学和人类努力的每一个领域。任何专业的学生,都应该掌握一些人工智能的知识。

TensorFlow2.0版本非常的简单、清晰、好用,极大地降低了深度学习编程的门槛。使得普通人也能够使用人工智能技术解决任务。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. 课程定位?学习这门课需要有什么基础?

这是一门人工智能的公共基础课程,面向多种学科专业、“零基础”的学习者。下面是我们对“零基础”的定义:

(1) 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。

(2) 学习过“大学计算机基础”或者其他类似的课程,知道计算机的最基础知识。

(3) 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。

 

4. 为什么要学习TensorFlow2.0? 它和TensorFlow1.x版本相比,有什么改进?

Tensorflow是目前最流行的深度学习框架,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2.0版本,是对之前版本彻底的、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。

 

5. 课程特点

(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。


课程大纲
人工智能的起源和发展
1.1 人工智能的诞生
1.2 人工智能的发展
1.3 机智过人or技不如人?
TensorFlow2.0环境的安装与使用
2.1 开发环境介绍
2.2 Anaconda的下载与安装
2.3 Hello,World
2.4 使用Jupyter Notebook
2.5 包管理和环境管理
2.6 安装TensorFlow2.0
*2.7 安装TensorFlow2.0 GPU版本
Python语言基础(1)
3.1 初识Python
3.2 第一个Python程序
3.3 输入和输出
3.4 常量、变量和表达式
3.5 程序控制语句
Python语言基础(2)
4.1 内置数据结构
4.2 函数和模块
4.3 Python面向对象编程
4.4 文件
4.5 异常处理
4.6 上下文管理器
NumPy科学计算库
5.1 多维数组
5.2 创建NumPy数组
5.3 数组运算
5.4 矩阵和随机数
Matplotlib数据可视化
6.1 Matplotlib绘图基础
6.2 散点图
6.3 折线图和柱形图
6.4 实例:波士顿房价数据集可视化
6.5 实例:鸢尾花数据集可视化
数字图像基础
7.1 数字图像基本概念
7.2 Pillow图像处理库
7.3 实例:手写数字数据集MNIST
TensorFlow基础
8.1 Tensorflow2.0特性
8.2 创建张量
8.3 维度变换
8.4 部分采样
8.5 张量运算
*8.6使用GPU
回归问题
9.1 机器学习基础
9.2 一元线性回归
9.3 实例:解析法实现一元线性回归
9.4 多元线性回归
9.5 实例:解析法实现多元线性回归
*9.6 实例:三维模型可视化
梯度下降法
10.1 梯度下降法基本原理
10.2 实例:梯度下降法实现线性回归问题
10.3 TensorFlow的可训练变量和自动求导机制
10.4 实例:TensorFlow实现梯度下降法
10.5 模型评估
10.6 实例:波士顿房价预测
分类问题
11.1 逻辑回归
11.2 实例:实现一元逻辑回归
11.3 线性分类器
11.4 实例:实现多元逻辑回归
11.5 多分类问题
*11.6 实例:实现多分类
人工神经网络(1)
12.1 神经元与感知机
12.2 实例:单层神经网络实现鸢尾花分类
12.3 多层神经网络
12.4 误差反向传播算法
12.5 激活函数
12.6 实例:多层神经网络实现鸢尾花分类
人工神经网络(2)
13.1 小批量梯度下降法
13.2 梯度下降法的优化
13.3 keras和tf.keras
13.4 Sequential模型
13.5 实例:Sequential模型实现手写数字识别
13.6 实例:模型的保存与加载
卷积神经网络
14.1 深度学习基础
14.2 图像识别与深度学习
14.3 图像卷积
14.4 卷积神经网络
14.5 实例:卷积神经网络实现手写数字识别
14.6 实例:卷积神经网络识别cifar10图片
展开全部
预备知识


n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。

 

n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。

 

n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。


证书要求

    1.学习内容要求

       按时学习每讲的视频,完成单元测验和单元作业;

       按照要求完成每章节的单元作业互评任务;

       积极参与课堂讨论,分享学习经验;

       参与并通过期末考试。

       按照学习内容,结课时总成绩满足分数要求后,可以申请课程主讲教师签名颁发的合格证书和优秀证书。


    2.学习成绩评定

       总成绩为百分制,其中单元测验成绩占40%,单元作业成绩占30%,课堂讨论成绩占10%,期末考试成绩占20%。


       非常重要,请注意:

       每章节的单元作业提交后,需要在规定时间内完成互评(互评数≥5),才可获得该章节单元作业的全部成绩,如果未参与互评仅能获得全部成绩的60%,未完成5份互评仅能获得全部成绩的80%。

       在讨论区积极参与互动、分享质量高、对课程有特殊贡献的学生,可以额外获得5-20分的加分。


    3.证书要求如下

       总成绩>=60分,可以获得合格证书(证书需付费申请)。

       总成绩>=85分,可以获得优秀证书(证书需付费申请)。

       提示:为了对学习者的在线学习过程更加严谨负责,保证平台证书权威性,从2019年9月份开始,中国大学MOOC将不再发放免费证书,原有认证证书的申请方式和流程不变。

西安科技大学
2 位授课老师
牟琦

牟琦

副教授

李占利

李占利

教授

推荐课程

【DeepSeek适用】小白玩转AI大模型应用开发

林粒粒

196人参加

小白玩转 Python 数据分析

林粒粒

75人参加
下载
下载

下载App