HCIA-AI Developer认证课程
YESLAB HCIA-AI Developer认证课程内容提纲
1. 序
1.1 AlphaGo
1.2 小冰写诗
1.3 关于智能
1.4 达特茅斯会议
1.5 术语澄清
2. 神经元与MCP模型
2.1 大脑基本结构
2.2 神经元
2.3 突触的数量
2.4 突触的类型和强弱
2.5 知识及记忆
2.6 神经信息处理过程
2.7 大脑与计算机
2.8 MCP模型
2.9 激活函数
3. 函数+梯度
3.1 初等函数
3.2 函数的极限
3.3 函数的连续性
3.4 导数及其几何意义
3.5 凹凸性与拐点
3.6 极值与驻点
3.7 多元函数与偏导数
3.8 矢量的概念
3.9 矢量的运算
3.10 矢量的坐标表示法
3.11 方向导数
3.12 梯度
4. 矩阵
4.1 矩阵的概念
4.2 特殊矩阵
4.3 矩阵的基本运算
4.4 矩阵的初等变换
4.5 矩阵的逆
4.6 线性方程组
5. 模式识别及感知器
5.1 模式识别
5.2 线性可分性
5.3 感知器的结构
5.4 感知器的训练算法
5.5 凸集与单层感知器
5.6 XOR问题
6. 多层感知器简介
6.1 MLP的基本结构
6.2 监督训练
6.3 MLP的设计实现过程
6.4 BP算法
7. 卷积神经网络简介
7.1 Hubel-Wiesel实验
7.2 卷积运算与相关运算
7.3 卷积核与特征映射图
7.4 激活函数处理
7.5 池化
7.6 CNN的一般结构
7.7 激活函数处理
7.8 LeNet-5
8. 循环神经网络简介
8.1 自然语言处理
7.2 N-Gram模型
7.3 RNN示例
7.4 单隐层单向RNN
7.5 双隐层单向RNN
7.6 BPTT算法
7.7 单隐层双向RNN
7.8 双隐层双向RNN
