2016 年，谷歌 AlphaGo 下围棋战胜了人类世界冠军李世石；美国白宫发布了人工智能白皮书；微软研发的 AI 语音识别首次超过了人类... 人工智能一跃成为产业发展的主要方向、科技进步的关键源动力。
相信很多人都注意到了这一趋势，但现实是：仍有许多朋友对 AI 一知半解，如雾里看花。究其原因，或许可以归结为以下几点：找不到系统的学习资料，缺少经验丰富的 “引路人”，以及没有一个合适的学习、交流平台。
为此，雷锋网联合国内顶级 AI 培训平台 “1024MOOC 学院”，邀请到清华大学计算机系的博士生导师邓志东教授作为授课嘉宾，举办 “人工智能之神经网络特训班”。邓教授从事包括深度神经网络在内的人工神经网络研究 25 年，在清华授课 20 余年，研究无人驾驶技术 8 年，具有非常丰富的研发和教学经验。
上周末（3 月 4 日、5 日），第一期课程 “人工智能之神经网络特训班” 结束了前两个章节的学习，并将于本周末进入最后两个章节。下面，我们将简单汇总上周课程的讲授重点，以帮助那些错过上周末直播的朋友更好地理解后续内容。
上周讲授的主要内容包括以下两个方面：1. 人工智能与生物神经系统；2. 人工神经网络基础。
人工智能与生物神经系统
这一部分邓教授综述了 AI 的定义及发展历程、关键技术成果、高性能计算平台以及典型应用场景和前沿探索等内容。课程中，邓教授在阐述 AI 发展历史的同时，会不时插入一些经典的用例和关键技术特征，而且，在讲述技术特征时，又会常常联系起此前出现过的其他技术特征，对比其区别和联系。总体上，让学员在 AI 发展历程和关键技术特点之间建立了一个相互联系的牢固架构，非常便于理解和记忆。相关精彩 PPT 如下：
人工智能名称的由来
三个人工智能学习方法
深度神经网络的主要分类
一些关键进展
人工智能离不开大数据的支持
离不开超强硬件计算能力的支持
新体制的硬件平台
未来的一些方向
生物神经系统原理
人工神经网络基础
第二部分，邓教授讲述了人工神经元的基本模型，以及 BP 网络、Hopfield 网络这两种关键模型。在讲解后面两种景点神经网络模型时，邓教授对基于 BP 和 Hopfield 网络的每一个优化和细分结构都进行了公式推理级的详细讲解，让学员不但清楚了这些结构的优势，并且理解了为什么具有这些优势。相关精彩 PPT 如下：
标准人工神经元模型——MP 模型
人工神经网络的关键就是网络结构 + 学习算法
三种典型网络结构
BP 网络的相关内容
Hopfield 网络的相关内容
对于邓老师的讲解，课后学员们给予了非常高的评价，我们摘取了一小部分：
学员 A：我是个有一定从业的人，邓老师考虑了普适性，今天的课程主要面向初学者的。不过我听了后都学到了不少东西。同时我也期待下几次课里对神经网络的讲述能带来更多干货；
学员 B：其他培训机构重点讲实战，唯独没有请顶级大学的教授讲理论的。听别家讲理论，老师自己都说自己没讲明白。邓老师讲 resnet 的理论，可以填补市场上的空白；
学员 C：Hopfield 的这段讲的真好，老师在短时间内介绍了很多东西。主办方可以考虑开个长期一些的课，针对不同需求。
怎么样，看到这里是不是跃跃欲试？
那么本周末，邓教授又会带来哪些精彩内容呢？我们不妨稍微剧透一下：
相信聪明的你绝对不会错过！
最后，对那些不方便直播学习的朋友，我们还推出了更具性价比的视频课程，大家可以在 1024MOOC.com 慕课网站关注购买。
