课程目标

学习卷积神经网络，误差逆传播，梯度下降法与delta法则，等让大家对人工智能，卷积神经网络快速入门

适用人群

学过前期的课程或已有基础的人。

课程概述

   本门课程源自"马克-to-win"的"java大数据培训学校全套教程"，该教程由750集视频构成，基本就是1）时下流行的java培训学校主流内部教材，2）和市面上培训学校的通 行的课程体系几乎一样。所以这套课程都能自己学下来，等于上了培训学 校一次，大概率可以找个java工程师的工作了。

   通过学习卷积神经网络概述，为什么引入神经网络来做识别，判断，预测，训练模型，激活函数，sigmoid激活函数，导数和切线，sigmoid激活函数如何求导，链式法则，梯度，梯度下降法与delta法则，BP（back propagation）误差逆传播神经网络，卷积到底有什么作用？如何做到特征提取，池化的名字由来，dropout，Anaconda Prompt的用法，Jupyter notebook的用法，Spyder的用法，建立安装Tensorflow所需的Anaconda虚拟环境，如何在Anaconda虚拟环境安装Tensorflow与Keras概念等让大家对人工智能，卷积神经网络快速入门。

   课程特色：专业细致，偏案例，理论强。

   课程软件使用：Anaconda，Spyder，Jupyter notebook