课程简介

本课程共分为三个部分：基础理论、深度神经网络基本结构以及网络优化与实践。本课程采用了理论结合实践的讲解方式，方便读者边学边练，理解巩固。在解释相关概念时，作者尽力使用简单、直观、可实现的公式语言描述，尽量避免使用图形、比喻和白话等容易使初学者误入歧途的描述方式。读者在初学过程中可能会不太习惯，但这对于建立知识体系是十分重要的。

课程实践部分使用 TensorFlow 作为机器学习库，以帮助读者快速实现一些深度学习算法，从而建立信心，这种自信是任何学习过程都需要的。但机器学习库只是辅助，作者希望读者在学完本课程后，能够利用数学公式而非库函数的方式实现深度学习功能。这很难，但并不是不可能。

作者介绍

如是，算法工程师。主要从事数值模拟、智能算法研发工作。擅长高性能计算、物理、机器学习领域。曾参与设计自然灾害智能监控预报系统。