人工智能之神经网络特训班课程过半，这些内容关键点你不能错过

2016 年，谷歌 AlphaGo 下围棋战胜了人类世界冠军李世石；美国白宫发布了人工智能白皮书；微软研发的 AI 语音识别首次超过了人类...人工智能一跃成为产业发展的主要方向、科技进步的关键源动力。

相信很多人都注意到了这一趋势，但现实是：仍有许多朋友对 AI 一知半解，如雾里看花。究其原因，或许可以归结为以下几点：找不到系统的学习资料，缺少经验丰富的“引路人”，以及没有一个合适的学习、交流平台。

为此，AI科技评论联合国内顶级 AI 培训平台“1024MOOC学院”，邀请到清华大学计算机系的博士生导师邓志东教授作为授课嘉宾，举办“人工智能之神经网络特训班”。邓教授从事包括深度神经网络在内的人工神经网络研究 25 年，在清华授课 20 余年，研究无人驾驶技术 8 年，具有非常丰富的研发和教学经验。

上周末（3 月 4 日、5 日），第一期课程“人工智能之神经网络特训班”结束了前两个章节的学习，并将于本周末进入最后两个章节。下面，我们将简单汇总上周课程的讲授重点，以帮助那些错过上周末直播的朋友更好地理解后续内容。

上周讲授的主要内容包括以下两个方面：1. 人工智能与生物神经系统；2. 人工神经网络基础。

  人工智能与生物神经系统

这一部分邓教授综述了 AI 的定义及发展历程、关键技术成果、高性能计算平台以及典型应用场景和前沿探索等内容。课程中，邓教授在阐述 AI 发展历史的同时，会不时插入一些经典的用例和关键技术特征，而且，在讲述技术特征时，又会常常联系起此前出现过的其他技术特征，对比其区别和联系。总体上，让学员在 AI 发展历程和关键技术特点之间建立了一个相互联系的牢固架构，非常便于理解和记忆。相关精彩 PPT 如下：

人工智能名称的由来

三个人工智能学习方法

深度神经网络的主要分类

一些关键进展

人工智能离不开大数据的支持

离不开超强硬件计算能力的支持

新体制的硬件平台

未来的一些方向

生物神经系统原理

  人工神经网络基础

第二部分，教授讲述了人工神经元的基本模型，以及 BP 网络、Hopfield 网络这两种关键模型。在讲解后面两种景点神经网络模型时，邓教授对基于 BP 和 Hopfield 网络的每一个优化和细分结构都进行了公式推理级的详细讲解，让学员不但清楚了这些结构的优势，并且理解了为什么具有这些优势。相关精彩 PPT 如下：

标准人工神经元模型——MP模型

人工神经网络的关键就是网络结构+学习算法

三种典型网络结构

BP网络的相关内容

Hopfield网络的相关内容

对于邓老师的讲解，课后学员们给予了非常高的评价，我们摘取了一小部分：

• 学员A：我是个有一定从业的人，邓老师考虑了普适性，今天的课程主要面向初学者的。不过我听了后都学到了不少东西。同时我也期待下几次课里对神经网络的讲述能带来更多干货；

• 学员B：其他培训机构重点讲实战，唯独没有请顶级大学的教授讲理论的。听别家讲理论，老师自己都说自己没讲明白。邓老师讲resnet的理论，可以填补市场上的空白；

• 学员C：Hopfield 的这段讲的真好，老师在短时间内介绍了很多东西。主办方可以考虑开个长期一些的课，针对不同需求。

本周末已经全部放送结束，大家请期待周一的亮点整理(下)。

• CNN 的发展历程，基本原理，典型模型 （包括 AlexNet、VGG、GoogLeNet、ResNet等）；

• CNN 的编程实操剖析；

• 为什么说 CNN 是目前人工智能的主要进展？

相信聪明的你绝对不会错过！

最后，对那些不方便直播学习的朋友，我们还推出了更具性价比的视频课程，大家可以在 1024MOOC.com 慕课网站关注购买。

AI科技评论招聘季全新启动！

很多读者在思考，“我和AI科技评论的距离在哪里？”，答案就是：一封求职信。

AI科技评论自创立以来，围绕学界和业界鳌头，一直为读者提供专业的AI学界，业界，开发者内容报道。我们与学术界一流专家保持密切联系，获得第一手学术进展；我们深入巨头公司AI实验室，洞悉最新产业变化；我们覆盖A类国际学术会议，发现和推动学术界和产业界的不断融合。

而你只要加入我们，就有机会和我们一起记录这个风起云涌的人工智能时代！

如果你有下面任何两项，请投简历给我们：

＊英语好，看论文毫无压力

＊计算机科学或者数学相关专业毕业，好钻研

＊新闻媒体相关专业，好社交

＊态度好，学习能力强

简历投递：lizongren@leiphone.com