课程介绍： 本课程适合懂一点编程知识，想要从零开始探索人工神经网络学习的人。 本课程回顾了从零学习人工神经网络所需的必要的数学基础知识，使学员能够轻松理解人工神经网络中所遇到的数学问题。 代码示例使用Python和深度学习框架Keras，并用TensorFlow作为后端引擎。Keras是最受欢迎且发展最快的深度学习框架之一，被广泛推荐为上手深度学习的最佳工具。 学完本课程，你会对神经网络的工作原理有一个全面的理解，为以后学习深度学习打下坚实的基础，能够用神经网络解决实际问题，如二分类问题、多分类问题、回归问题。
目录：
1. 初识神经网络  
  1.1 Mnist数据集介绍及Keras开发环境设置  
  1.2 神经网络剖析及示例
2. 神经网络的数学基础  
  2.1 神经网络的数据表示  
  2.2 张量运算  
  2.3 基于梯度的优化（导数、偏导、方向导数、梯度、梯度下降、误差反向传播）
3. 电影评论分类（二分类问题）
4. 新闻分类（多分类问题）
5. 预测房价（回归问题）
6. 源码

讲师介绍(Kevin)：
曾就职于中国船舶工业集团公司、思科等世界500强企业。从事计算机软件开发、软件测试、数据集成业务10+年。精通软件系统调优、深度学习、自动化测试、CI等，精通Java、Python、C、Scala、PHP等计算机语言，熟练掌握及运用Hadoop、Spark等大数据技术。