深度学习是机器学习的分支，是一种以人工神经网络为架构，对数据进行表征学习的算法，它的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。如今，深度神经网络、卷积神经网络、深度置信网络和循环神经网络等多种深度学习框架已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

本课程首先讲解了机器学习、神经网络和深度学习的概念和关系，并展示了如何利用监督学习实现根据大脑重量预测其对应体重；然后介绍了神经网络的架构和类型，并展示了如何使用TFLearn搭建神经网络实现电影数据情感分类器；接着讲解了一些深度学习所需要的数学知识，包含线性代数、统计学和数值计算方法等，同时还讲解了数据集预处理的流程和方法；最后展示了几个有趣的案例，比如图像分类器、股市变动预测、艺术作品和音乐生成等。

【课程目标】

了解神经网络的架构和类型

掌握深度学习相关的数学知识

熟悉数据集预处理的流程

【适用对象】

商务、AI开发者、学生

【课程大纲】