上节课我们讨论了人工智能大脑的外部构造。就像人类一样，AI的大脑也包含神经元，用圆圈表示。这些神经元相互连接。

这些神经元分为三层：

1. 输入层
2. 隐藏层
3. 输出层

输入层负责接收输入数据，并将其传递到隐藏层的第一层。

隐藏层对输入数据进行数学运算。构建神经网络的一个关键挑战在于如何确定隐藏层的数量以及每层的神经元数量。

在深度学习中，“深度”意味着神经网络拥有超过一层的隐藏层。

输入层返回输入数据。

训练AI是深度学习中最复杂的一部分。为什么呢？

1. 需要大量的数据集。
2. 需要强大的计算能力。

为了训练AI，我们需要从数据集中提供输入，并将AI的输出与数据集的输出进行对比。由于AI尚未接受训练，其输出往往是错误的。

一旦遍历完整个数据集，我们可以创建一个函数来显示AI的输出与实际输出之间的偏差。这个函数称为代价函数。

理想情况下，我们希望代价函数为零，这意味着AI的输出与数据集的输出一致。

那么，如何降低代价函数呢？这是深度学习的魅力所在。

实际上，我们采用梯度下降法。

梯度下降用于找到函数的最小值。其原理是在每次遍历数据集后，稍微调整权重。通过计算特定权重下代价函数的导数（梯度），我们可以确定最小值的方向。

为了最小化代价函数，需要多次遍历数据集。这就是为什么需要强大的计算能力的原因。

使用梯度下降更新权重的过程是自动完成的。这就是深度学习的神奇之处！

本期课程将深入探讨机器学习及其任务。敬请期待！

[b]本期课程：机器学习及学习任务[/b]

Skymind

智者见“智”AI科普系统课程上线

[b]课程亮点[/b]

本课程共四期，从基础到深入地解析人工智能与深度学习，以最浅显易懂的方式介绍人工智能和深度学习的概念及其运作方式。每期分为2-3个主题视频，每周五上午10点更新一个主题。视频内容简洁明了，富有创意，利用碎片化时间即可掌握AI前沿技术，感受AI的无限魅力。

该课程能迅速提升用户在认知与实际操作中的知识和技能，帮助用户在学习和实践中解决目前部署过程中遇到的各种难题。

[b]更新时间：[/b]

每周五上午10点

[b]主办单位：[/b]

墨子沙龙 & Skymind

[b]课程概要：[/b]

[b]第一部分：解密人工智能与深度学习[/b]

解析人工智能与深度学习

深度学习的运作方式

机器学习及学习任务

[b]第二部分：深入探究神经网络[/b]

通过前馈神经网络讲解神经网络的工作原理及学习方法

前向传播（一）

前向传播（二）

反向传播（一）

反向传播（二）

[b]第三部分：深度学习让计算机看见世界[/b]

介绍卷积神经网络结构（CNN）

深度学习在机器视觉的应用

[b]第四部分：如何给深度学习装上记忆机制[/b]

理解循环神经网络

介绍长短时记忆网络（LSTM）

长短时记忆网络的应用

[b]讲师介绍：[/b]

罗净智

高级讲师

马来西亚文科大学硕士

Skymind 高级深度学习工程师

Skymind 深度学习商业培训课程高级讲师

他的研究方向集中在机器视觉和传感器信号处理领域。他在机器视觉和传感器领域开发了基于深度学习的应用程序，设计并应用机器视觉技术进行自动化的产品质量检查，曾开发出适用于不同商业领域的应用。

[b]惊喜福利：[/b]

如果您有任何关于课程的问题，可以通过微信后台留言提问或加入群聊进行交流。第五期将专门解答疑问。希望各位学员好好学习，天天向上！

对于有兴趣从事深度学习工作或有授课经验的伙伴，欢迎加入我们的讲师团队。所有参与者都将获赠《深度学习基础与理论》一本，并有机会获得丰厚的报酬（详情可咨询群内工作人员）。

[b]Skymind[/b]

想要与志同道合的人一起探索深度学习的知识，获得与行业专家交流的机会，及时了解AI行业的最新技术吗？

扫描二维码，加入我们吧！

[b]关于“墨子沙龙”[/b]

墨子沙龙是由中国科学技术大学上海研究院主办，上海市浦东新区科学技术协会及中国科大新创校友基金会协办的公益性质的大型科普论坛。该论坛面向对科学感兴趣、热爱科普的普通大众，旨在打造适合中学生也能理解的全球顶尖科学资讯科普平台。