深度学习入门讲座幻灯片

1、,人工智能深度讲座,1,2,培训简介,我能学懂深度学习吗？,深度学习在各行业的应用,深度学习基本思想,人工智能简史,个人简介,提纲,2,2020/10/23,个人简介,PART 01,3,2020/10/23,人工智能简史,PART 2,4,2020/10/23,孕育时期,5,2020/10/23,形成时期(1956 1970),6,2020/10/23,暗淡期(1966 1976),7,2020/10/23,发展期(1976 1998),8,2020/10/23,深度学习的发展历史,1. 神经网络的原创文章发表于1943年，两位作者都是传奇人物，麦卡洛可（McCulloch）和皮茨（Pitt

2、s)，“A Logical Calculus of Ideas Immanent in Nervous Activity”, 发表在数学生物物理期刊 2. 1982年，Hopfield模型提出。1984年， J. Hopfield设计研制了Hopfield网的电路，较好地解决了著名的旅行商问题，引起了较大的轰动。 3. 1986年， Rumelhart, Hinton 提出多层感知机与反向传播(BP) 学习算法，该方法克服了感知器非线性不可分类问题，给神经网络研究带来了新的希望。,9,2020/10/23,深度学习的发展历史,10,2020/10/23,深度学习的发展历史,11,2020/10

3、/23,深度学习的发展历史,12,2020/10/23,深度学习的发展历史,International Conference on Neural Information Processing Systems. Curran Associates Inc. 2012:1097-1105.,13,2020/10/23,深度学习的发展历史,促进深度学习发展的2个因素： 1. 计算能力的增强，尤其是GPU的出现，极大的提升了深度学习的计算速度 2. 数据的迅猛增加,14,2020/10/23,深度学习的发展历史,15,2020/10/23,深度学习的发展历史,16,2020/10/23,深度学习的发展

4、历史,17,2020/10/23,深度学习的发展历史,18,2020/10/23,深度学习的发展历史,图片取自何凯明的ppt,19,2020/10/23,深度学习的发展历史,图片取自何凯明的ppt,20,2020/10/23,深度学习的发展历史,图片取自何凯明的ppt,21,2020/10/23,深度学习的发展历史,22,2020/10/23,深度学习的发展历史,23,2020/10/23,深度学习的发展历史,24,2020/10/23,深度学习的发展历史,25,2020/10/23,深度学习的发展历史,26,2020/10/23,深度学习在各行业的应用,PART 3,27,2020/10/2

5、3,深度学习在各个行业的应用,1. AlphaGo Zero的提升，让DeepMind看到了利用人工智能技术改变人类命运的突破。他们目前正积极与英国医疗机构和电力能源部门合作，提高看病效率和能源效率。同时类似的技术应用在其他结构性问题，比如蛋白质折叠、减少能耗和寻找新材料上，就能创造出有益于社会的突破。 2. 无人驾驶 3.在医疗领域，可以用于识别癌细胞，发现新药物等 4.金融领域可以用来预测股价，还可以用来识别欺诈。摩根大通利用AI开发了一款金融合同解析软件。经测试，原先律师和贷款人员每年需要360000小时才能完成的工作，这款软件只需几秒就能完成。而且，不仅错误率大大降低，重要的是它还从不

6、放假 5. 精准营销，为用户推荐感兴趣的产品广告 6. 农业上，可以用于发现农作物的病虫害，还可以用来识别哪些地方的环境适合种植 7.利用深度学习，可以将抓拍到的珍稀动物（比如鲸鱼）照片进行分类，从而更好地估算某种动物的存活数量,28,2020/10/23,深度学习在各个行业的应用,29,2020/10/23,深度学习的基本思想,PART 4,30,2020/10/23,深度学习的基本思想,图片取自lecun的ppt,31,2020/10/23,深度学习的基本思想,图片取自lecun的ppt,32,2020/10/23,深度学习在各个行业的应用,图片取自lecun的ppt,33,2020/10

7、/23,我能学懂深度学习吗？,PART 5,34,2020/10/23,需要具备的基础知识, 微积分、线性代数、概率论 基础的编程知识，最好有python基础 良好的英文文献阅读能力,35,2020/10/23,BP网络,36,2020/10/23,卷积,37,2020/10/23,深度学习网络的训练步骤,1. 导入数据 2. 把数据分成多个batch 3. 定义网络的参数，包括神经元的数量，卷积核的大小，学习率，迭代次数等 4. 定义网络结构 5. 初始化网络参数 6. 定义反向传播(主要是梯度下降法，如果用pytorch, tensorflow 等框架，只需要调用相关函数即可) 7. 把训练数据按batch大小依次送入网络进行训练 8. 保存模型，进行测试,38,2020/10/23,如何学习深度学习,1. 要懂得基本的原理，包括前向计算，反向传