必备的数学知识是支撑深度学习技术不可或缺的要素，深度学习技术归根到底都建立在数学模型基础之上。进行深度学习时，建立损失函数（误差函数）是有效进行学习的关键。损失函数的种类有很多，在实际工作中常见的是平方和误差函数和交叉熵误差函数。只有选择恰当的误差函数，才能匹配更加精准的业务场景。 因此，在什么样的情况下，依据数据的离散或连续型特征，选择合适的数学模型就显得尤为重要。与此同时，由于数学模型本身的抽象性，理解和运用起来有一定门槛，如何将数学模型转化为实际的程序代码，更是算法工程师基本功是否扎实的体现。 讲师介绍 王符伟，人工智能团队 Leader，负责技术管理、项目管理与产品研发，拥有 16 年 IT 实战经验。不仅擅长人工智能与大数据分析，而且有深厚的美术功底，对技术插画有着工程与艺术相结合的双向审美能力。善于将晦涩的技术拆解为趣味横生的艺术插画，降低技术理解难度。 内容看点 信息论如何用交叉熵概念来描述信息 交叉熵误差与平方和误差的区别与联系 交叉熵模型与 Python 代码之间的转化