内容介绍

第一节：深度学习与 TensorFlow 简介

1. 机器学习、深度学习与人工智能之间的关系以及机器学习解决的问题
2. 机器学习原理简介
3. 深度学习的简单历史
4. 目前深度学习的应用情况
5. 深度学习工具对比
6. 作业：环境配置

第二节：深层神经网络解决 MNIST 问题

1. 介绍 MNIST 问题
2. 介绍 MNIST 数据
3. TensorFlow 的安装、Jupyter 工具简介
4. TensorFlow Hello World 程序介绍
5. 神经网络介绍
6. 深度学习与深层神经网络（去线性化、激活函数）
7. 损失函数的定义
8. 给出 TensorFlow 程序并讲解
9. 作业：实验不同层数的网络在 MNIST 数据集上的效果

第三节：神经网络优化方法

1. 梯度下降和反向传播
2. 学习率的设置
3. 正则化
4. 滑动平均模型
5. TensorFlow 实现深层网络最佳实践
6. 不同算法实验
7. 作业：在 CIFAR 数据集上对比不用优化方法的效果