[神经网络] 自己动手神经网络深度学习（AI第二册）

自己动手神经网络深度学习（AI第二册）

要走得更远，掌握深度学习的原理是关键。本书将手把手带你深入了解神经网络如何学习，经过训练的神经网络就能具备思考的大脑。课程通俗易懂地讲解数学等理论知识，并教你如何将这些知识应用于人工智能编程。

在第一册中，我们已经学会了搭建神经网络，而在第二册中，我们将让这个神经网络进行深度学习。深度学习的目标是使神经网络具备思考的大脑。只要神经网络的参数合适，它就能进行思考。因此，学习过程就是调整这些参数的过程。

为此，整个课程大致分为5个部分。第一部分是学习损失函数，损失函数通过比较正向传播算法得到的输出与正确的答案，来衡量神经网络的性能。如果损失函数越大，说明参数需要调整。为此，第二部分介绍了数学知识中的导数，它反映了损失函数随参数变化的趋势。导数的值就是调整参数的依据；第三部分则是梯度下降法，即在每次循环中根据导数的值调整参数；第四部分，我们准备了大量数据供训练使用，这些数据可以来自网络，也可以自己制作；最后，在万事俱备的情况下，我们让神经网络开始学习，逐步更新网络层中的权重和偏置。

目录
1 课程介绍.mp4
2 损失函数.mp4
3 均方误差编程实现.mp4
4 交叉熵误差及编程.mp4
5 导数的概念与编程.mp4
6 导数的计算.mp4
7 偏导数.mp4
8 从导数到梯度.mp4
9 梯度的编程.mp4
10 梯度下降法编程.mp4
11 梯度算法优化.mp4
12 运用到简单的神经网络.mp4
13 数据集介绍.mp4
14 从互联网获取数据集.mp4
15 数据的转换.mp4
16 数据的保存和加载.mp4
17 数据的处理.mp4
18 创建两层神经网络的类.mp4
19 预测值 损失函数 梯度.mp4
20 神经网络类的小结.mp4
21 神经网络的深度学习实践.mp4
22 自制数据集初步.mp4
AI0（资料）.rar