趋近智
趋近智
APX AI
在线
趋近智
理解神经网络 (neural network)的原理与应用。本课程介绍神经网络的组成部分，包括神经元构造、激活函数 (activation function)、网络结构以及涉及前向传播和反向传播 (backpropagation)的训练过程。学习如何准备数据、计算损失、应用梯度下降 (gradient descent)，并使用常用方法构建简单的网络。
先修课程 Python和数学知识
级别:
可获证书:
神经网络结构
描述神经网络的组成部分，包括神经元、层、权重和偏置。
激活函数
解释Sigmoid、Tanh和ReLU等常用激活函数的作用和特点。
数据准备
理解为神经网络训练准备数据的方法，包括缩放和编码。
前向传播
实现前向计算，以从神经网络生成预测结果。
反向传播
解释反向传播计算梯度的过程。
梯度下降
应用梯度下降及其变体来更新网络权重并最小化损失。
模型训练
实现一个简单的神经网络训练循环。
正则化
理解L1/L2正则化和Dropout等常用方法以防止过拟合。