深度学习入门-【算法工程师必备基础】

课程介绍

一句话介绍

你想做算法工程师，神经网络那些概念却停在名词上，这门课把深度学习到底在解决什么问题讲透。

详细课程介绍

转行做算法，第一道坎在语言上。代码还没写一行，同事讲损失函数、讲梯度、讲过拟合，你点头应着，其实不知道这词在说哪件事。

难在深度学习的知识是攒出来的，不是一条线。机器学习、神经网络、训练流程、实践各占一块，你不知道先看哪块，看完这块能不能用上。

这门课按这个顺序排。先讲深度学习要解决的问题是什么，它跟普通程序写规则有什么不同；再讲机器学习基础，数据、标签、训练这三件事分别管什么；然后是神经网络原理，神经元怎么连、层怎么堆、为什么能学到东西；接着是训练流程，一次训练从数据进去到权重出来中间发生了什么；最后是实践入门，你跑一遍最小实现，看着数字动起来。

每节都有跟做，看完能对着代码说出每一行在干嘛。

课程不教你调参，也不覆盖所有模型架构。它只搭基础，让你后面看论文时能接得住。

完整教学内容

• 认识深度学习：看清它到底在解决什么问题。
• 机器学习基础：监督无监督这些先弄懂。
• 神经网络原理：它为什么能学。
• 训练流程：数据、损失、反向传播怎么串。
• 实践入门：跟着跑一个最小例子。
• 精通之道：把学习路线存成自己的。

适合人群

• 想入算法工程的人。
• 被公式劝退的人。
• 转行学 AI 的人。
• 只想要结论不打算动手练的人，这门课不适合你。
• 已是老手的人，会觉得慢。

学习收获

• 你能说清深度学习在解决什么问题，和写规则的传统做法差在哪。
• 神经网络的基本结构你看得懂图，能自己讲出数据是怎么流动的。
• 一次训练的过程你心里有数，看见 loss 变化知道意味着什么。
• 你有一份学习顺序清单，知道下一步该学什么而不是到处乱找。