你将获得

掌握某些知识点
学会某些技巧（或思路）

教学服务

1v1专属答疑服务
BAT专家面试辅导

讲师介绍

Hocking

高级讲师

博士，专注人工智能方向，比如机器学习、深度学习、图像处理等。曾在国内知名IT企业任职，参加多项大型“云App”软件的研发工作，有五年项目开发工作经历，具备丰富的软件架构、软件设计等经验，获得多项国家工信部软件著作权，现致力于H5移动跨平台App开发和大数据技术，喜欢分享自己的开发经验，追求共同发展共同进步。

课程详情

课程咨询和资料获取请加老师QQ 1011800132

梯度下降法又被称为最速下降法(Steepest descend method)，其理论基础是梯度的概念。梯度与方向导数的关系为：梯度的方向与取得最大方向导数值的方向一致，而梯度的模就是函数在该点的方向导数的最大值。

授课特色：
本课程对针对主流的梯度下降法算法进行深入浅出的原理讲解，结合实际的例子和案例进行代码的讲解和演练。

学后水平：对梯度下降法算法有更深的理解；懂得梯度下降法算法的技术难点。

视频目录：
1、从一个线性回归模型案例谈起
2、损失函数与梯度概念
3、梯度下降算法原理
4、学习率a的作用与取值
5、θ参数更新详细计算
6、梯度下降算法一般化公式
7、特征归一化
8、改进的梯度下降算法大家族
9、代码实战之数据集初始化
10、代码实战之损失函数
11、代码实战之θ参数更新