簡介：本課程首先介紹機器學習與深度學習，包括機器學習的應用、崗位職責，深度學習的等。然后通過講解神經(jīng)元及其衍生模型邏輯斯底回歸、目標函數(shù)、梯度下降等深度學習基礎知識。最后通過Tensorflow來實現(xiàn)課程講解的模型。實戰(zhàn)課已經(jīng)上線：https://coding.imooc.com/class/259.html，歡迎學習
第1章 神經(jīng)網(wǎng)絡入門
對機器學習和深度學習做了引入性講解，通過若干項目舉例講解了深度學習的最新進展。通過講解和實戰(zhàn)神經(jīng)網(wǎng)絡中的基本結構——神經(jīng)元及其擴展邏輯斯蒂回歸模型，對本課程的基本知識進行全面的講解，包括神經(jīng)元、激活函數(shù)、目標函數(shù)、梯度下降、學習率、Tensorflow基礎以及模型的Tensorflow代碼實現(xiàn)。
- 視頻： 1-1 機器學習、深度學習簡介 (17:13)
- 視頻： 1-2 神經(jīng)元-邏輯斯底回歸模型 (09:57)
- 視頻： 1-3 神經(jīng)元多輸出 (13:02)
- 視頻： 1-4 梯度下降 (11:51)
- 視頻： 1-5 數(shù)據(jù)處理與模型圖構建(1) (16:21)
- 視頻： 1-6 數(shù)據(jù)處理與模型圖構建(2) (16:30)
- 視頻： 1-7 神經(jīng)元實現(xiàn)（二分類邏輯斯蒂回歸模型實現(xiàn)）（1） (14:41)
- 視頻： 1-8 神經(jīng)元實現(xiàn)（二分類邏輯斯蒂回歸模型實現(xiàn)）（2） (15:05)
- 視頻： 1-9 神經(jīng)網(wǎng)絡實現(xiàn)（多分類邏輯斯蒂回歸模型實現(xiàn)） (18:02)
- 視頻： 1-10 課程推薦 (01:52)