摘要: 在2018 云栖大会·上海峰会上,阿里巴巴发布了免费的天池深度学习课程,涵盖了神经网络基础、CNN、RNN、递归网络、强化学习以及 GAN,内容很全面,感兴趣的同窗可作为学习资源。 课程地址: https://tianchi.aliyun.com/markets/tianchi/aiacademy 课程设置,正式上线时会提供直播(见图中上线时间),直播结束后也会持续提供录播视频 目前该课程只开放了感知机的介绍,这也是机器学习与深度学习的基础。算法
在2018 云栖大会·上海峰会上,阿里巴巴发布了免费的天池深度学习课程,涵盖了神经网络基础、CNN、RNN、递归网络、强化学习以及 GAN,内容很全面,感兴趣的同窗可作为学习资源。网络
课程地址:架构
https://tianchi.aliyun.com/markets/tianchi/aiacademy机器学习
课程设置,正式上线时会提供直播(见图中上线时间),直播结束后也会持续提供录播视频函数
目前该课程只开放了感知机的介绍,这也是机器学习与深度学习的基础。机器之心对感知机课程的相关内容作了梳理:性能
首先阿里巴巴向寒介绍了感知机的生物学基础,即大脑由神经元组成,它们之间会传递电讯号以激活其它神经元。在大脑的学习中,咱们须要肯定神经元之间的链接强度与神经元自己的激活程度。感知机也如同大脑,它会学习单元之间的链接强度或权重,也会经过激活函数学习激活程度。学习
如上所示为向寒介绍的单神经元输入的计算方式,简单而言即前一层全部神经元激活值分别乘上链接强度 w 再求和。这种加权求和的方式可进一步馈送到激活函数。下图展现了一些常见的激活函数:3d
这些激活函数将会为神经元提供非线性属性,且在不变输入下控制了激活程度。介绍了加权求和与激活函数这两个基本组件后,向寒继续展现了以偏差为驱动的感知机算法,这也是不少初学者接触到的第一种参数更新算法。视频
在上图中,先预测全部训练数据,再对比真实标注,若是有错误就更新。其中权重与偏置项的更新即根据梯度降低求出。更新权重与偏置项后,咱们能够再次预测训练数据,并对比真实标注而肯定是否还有偏差,有偏差就重复上面过程继续更新。blog
下图展现了感知机分类的几何解释,其中绿色虚线为决策边界、w 为权重参数向量。在描述了感知机分类的几何解释后,随后阿里巴巴解释了几何角度上的参数更新过程。
固然除了这种直观的解释,向寒还介绍了很是多的线性可分数据与感知机的收敛问题。
其实多个神经元进行 Voting 和 Averaging 能够提高性能。以下所示为进行平均的感知机:
除了上述这些基本解释,向寒还介绍了感知机的限制与著名的异或问题(XOR),并随后解释了多层感知机与它是如何解决异或问题的。这些内容都是很是基础的概念。视频最后一部分则重点解释了反向传播,这是深度学习最基本也是最经常使用的更新方式,它能将梯度按路径分配到前层神经元中的参数,于是能更新整个网络。
虽然咱们只简要了解了第一部分 30 分钟的课程,但后面还有很是多的内容与主题,包括卷积网络和递归网络等基本架构、强化学习与生成对抗网络等前沿的优秀方法。咱们也但愿该课程能帮助普遍的读者了解并入门机器学习。