本內(nèi)容比較適合零基礎(chǔ)但對(duì)人工智能技術(shù)與人工智能程序開(kāi)發(fā)感興趣，想從事人工智能相關(guān)工作或需要在本職工作中加入人工智能技術(shù)的在職人員或在校學(xué)生。
以Python為主要開(kāi)發(fā)語(yǔ)言，深入淺出快速上手最先進(jìn)的深度學(xué)習(xí)技術(shù)。
收獲：能夠使用程序開(kāi)發(fā)技能完成諸如計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理等人工智能任務(wù)，例如圖像識(shí)別、智能翻譯等，亦能夠使用本課程中提供的工具在自己所處行業(yè)中，進(jìn)行具體人工智能技術(shù)的設(shè)計(jì)與實(shí)施，使用深度學(xué)習(xí)技術(shù)進(jìn)行行業(yè)數(shù)據(jù)分析。
本內(nèi)容會(huì)提供基礎(chǔ)的數(shù)學(xué)部分與Python程序設(shè)計(jì)部分的講解，每一章都包含豐富的實(shí)例與項(xiàng)目，讓您完全理解掌握人工智能與深度學(xué)習(xí)的相關(guān)知識(shí)與技能。

Chapter 1. 基礎(chǔ)知識(shí)
包含線性代數(shù)、概率與數(shù)理統(tǒng)計(jì)、微積分等深度學(xué)習(xí)基礎(chǔ)數(shù)學(xué)知識(shí)，也涵蓋了本課程中能夠使用的Python程序設(shè)計(jì)知識(shí)，通過(guò)實(shí)戰(zhàn)編寫(xiě)一個(gè)數(shù)學(xué)游戲?qū)嵗?，為之后的學(xué)習(xí)打下良好的基礎(chǔ)。
Chapter 2. 神經(jīng)網(wǎng)絡(luò)
包含從MCP模型到多層感知器的歷史發(fā)展，詳細(xì)講解神經(jīng)網(wǎng)絡(luò)的前饋與反饋計(jì)算的數(shù)學(xué)推導(dǎo)與實(shí)際項(xiàng)目，實(shí)例中包含使用Tensorflow等深度學(xué)習(xí)系統(tǒng)編寫(xiě)神經(jīng)網(wǎng)絡(luò)的方法，并完成數(shù)據(jù)分析實(shí)戰(zhàn)。
Chapter 3. 卷積網(wǎng)絡(luò)
從最基本的卷積算法開(kāi)始，逐步深入到深層卷積網(wǎng)絡(luò)，詳細(xì)講解卷積網(wǎng)絡(luò)的特征提取方法，并講解如何在非圖像數(shù)據(jù)上實(shí)施卷積網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)分析，讓您能在任何行業(yè)尋找合適數(shù)據(jù)并應(yīng)用卷積網(wǎng)絡(luò)。
Chapter 4. 序列網(wǎng)絡(luò)
本章將包含處理自然語(yǔ)言等時(shí)序數(shù)據(jù)常用的RNN模型與LSTM技術(shù)， 以及序列建模、詞向量映射等各種自然語(yǔ)言處理技術(shù)，豐富的實(shí)例將會(huì)包含翻譯、對(duì)話(huà)、文本生成等，并讓您實(shí)踐如何使用時(shí)序建模技術(shù)進(jìn)行數(shù)據(jù)預(yù)測(cè)。
參考：零基礎(chǔ)深度學(xué)習(xí)?https://www.aqniukt.com/course/9032