2016 年，谷歌 AlphaGo 下圍棋戰勝了人類世界冠軍李世石；美國白宮發布了人工智慧白皮書；微軟研發的 AI 語音識別首次超過了人類...人工智慧一躍成為產業發展的主要方向、科技進步的關鍵源動力。
相信很多人都注意到了這一趨勢，但現實是：仍有許多朋友對 AI 一知半解，如霧裡看花。究其原因，或許可以歸結為以下幾點：找不到系統的學習資料，缺少經驗豐富的「引路人」，以及沒有一個合適的學習、交流平臺。
為此，雷鋒網聯合國內頂級 AI 培訓平臺「1024MOOC學院」，邀請到清華大學計算機系的博士生導師鄧志東教授作為授課嘉賓，舉辦「人工智慧之神經網絡特訓班」。鄧教授從事包括深度神經網絡在內的人工神經網絡研究 25 年，在清華授課 20 餘年，研究無人駕駛技術 8 年，具有非常豐富的研發和教學經驗。
上周末（3 月 4 日、5 日），第一期課程「人工智慧之神經網絡特訓班」結束了前兩個章節的學習，並將於本周末進入最後兩個章節。下面，我們將簡單匯總上周課程的講授重點，以幫助那些錯過上周末直播的朋友更好地理解後續內容。
上周講授的主要內容包括以下兩個方面：1. 人工智慧與生物神經系統；2. 人工神經網絡基礎。
人工智慧與生物神經系統
這一部分鄧教授綜述了 AI 的定義及發展歷程、關鍵技術成果、高性能計算平臺以及典型應用場景和前沿探索等內容。課程中，鄧教授在闡述 AI 發展歷史的同時，會不時插入一些經典的用例和關鍵技術特徵，而且，在講述技術特徵時，又會常常聯繫起此前出現過的其他技術特徵，對比其區別和聯繫。總體上，讓學員在 AI 發展歷程和關鍵技術特點之間建立了一個相互聯繫的牢固架構，非常便於理解和記憶。相關精彩 PPT 如下：
人工智慧名稱的由來
三個人工智慧學習方法
深度神經網絡的主要分類
一些關鍵進展
人工智慧離不開大數據的支持
離不開超強硬體計算能力的支持
新體制的硬體平臺
未來的一些方向
生物神經系統原理
人工神經網絡基礎
第二部分，鄧教授講述了人工神經元的基本模型，以及 BP 網絡、Hopfield 網絡這兩種關鍵模型。在講解後面兩種景點神經網絡模型時，鄧教授對基於 BP 和 Hopfield 網絡的每一個優化和細分結構都進行了公式推理級的詳細講解，讓學員不但清楚了這些結構的優勢，並且理解了為什麼具有這些優勢。相關精彩 PPT 如下：
標準人工神經元模型——MP模型
人工神經網絡的關鍵就是網絡結構+學習算法
三種典型網絡結構
BP網絡的相關內容
Hopfield網絡的相關內容
對於鄧老師的講解，課後學員們給予了非常高的評價，我們摘取了一小部分：
學員A：我是個有一定從業的人，鄧老師考慮了普適性，今天的課程主要面向初學者的。不過我聽了後都學到了不少東西。同時我也期待下幾次課裡對神經網絡的講述能帶來更多乾貨；
學員B：其他培訓機構重點講實戰，唯獨沒有請頂級大學的教授講理論的。聽別家講理論，老師自己都說自己沒講明白。鄧老師講resnet的理論，可以填補市場上的空白；
學員C：Hopfield 的這段講的真好，老師在短時間內介紹了很多東西。主辦方可以考慮開個長期一些的課，針對不同需求。
怎麼樣，看到這裡是不是躍躍欲試？
那麼本周末，鄧教授又會帶來哪些精彩內容呢？我們不妨稍微劇透一下：
CNN 的發展歷程，基本原理，典型模型 （包括 AlexNet、VGG、GoogLeNet、ResNet等）；
CNN 的編程實操剖析；
為什麼說 CNN 是目前人工智慧的主要進展？
相信聰明的你絕對不會錯過！
最後，對那些不方便直播學習的朋友，我們還推出了更具性價比的視頻課程，大家可以在慕課網站關注購買。1024MOOC.com