資源 | 阿里發佈免費深度學習課程：感知機梳理（附連接）

摘要： 在2018 雲棲大會·上海峯會上，阿里巴巴發佈了免費的天池深度學習課程，涵蓋了神經網絡基礎、CNN、RNN、遞歸網絡、強化學習以及 GAN，內容很全面，感興趣的同窗可作爲學習資源。 課程地址： https://tianchi.aliyun.com/markets/tianchi/aiacademy 課程設置，正式上線時會提供直播（見圖中上線時間），直播結束後也會持續提供錄播視頻 目前該課程只開放了感知機的介紹，這也是機器學習與深度學習的基礎。

在2018 雲棲大會·上海峯會上，阿里巴巴發佈了免費的天池深度學習課程，涵蓋了神經網絡基礎、CNN、RNN、遞歸網絡、強化學習以及 GAN，內容很全面，感興趣的同窗可作爲學習資源。

課程地址：

https://tianchi.aliyun.com/markets/tianchi/aiacademy

課程設置，正式上線時會提供直播（見圖中上線時間），直播結束後也會持續提供錄播視頻

目前該課程只開放了感知機的介紹，這也是機器學習與深度學習的基礎。機器之心對感知機課程的相關內容作了梳理：

首先阿里巴巴向寒介紹了感知機的生物學基礎，即大腦由神經元組成，它們之間會傳遞電訊號以激活其它神經元。在大腦的學習中，咱們須要肯定神經元之間的鏈接強度與神經元自己的激活程度。感知機也如同大腦，它會學習單元之間的鏈接強度或權重，也會經過激活函數學習激活程度。

如上所示爲向寒介紹的單神經元輸入的計算方式，簡單而言即前一層全部神經元激活值分別乘上鍊接強度 w 再求和。這種加權求和的方式可進一步饋送到激活函數。下圖展現了一些常見的激活函數：

這些激活函數將會爲神經元提供非線性屬性，且在不變輸入下控制了激活程度。介紹了加權求和與激活函數這兩個基本組件後，向寒繼續展現了以偏差爲驅動的感知機算法，這也是不少初學者接觸到的第一種參數更新算法。

在上圖中，先預測全部訓練數據，再對比真實標註，若是有錯誤就更新。其中權重與偏置項的更新即根據梯度降低求出。更新權重與偏置項後，咱們能夠再次預測訓練數據，並對比真實標註而肯定是否還有偏差，有偏差就重複上面過程繼續更新。

下圖展現了感知機分類的幾何解釋，其中綠色虛線爲決策邊界、w 爲權重參數向量。在描述了感知機分類的幾何解釋後，隨後阿里巴巴解釋了幾何角度上的參數更新過程。

固然除了這種直觀的解釋，向寒還介紹了很是多的線性可分數據與感知機的收斂問題。

其實多個神經元進行 Voting 和 Averaging 能夠提高性能。以下所示爲進行平均的感知機：

除了上述這些基本解釋，向寒還介紹了感知機的限制與著名的異或問題（XOR），並隨後解釋了多層感知機與它是如何解決異或問題的。這些內容都是很是基礎的概念。視頻最後一部分則重點解釋了反向傳播，這是深度學習最基本也是最經常使用的更新方式，它能將梯度按路徑分配到前層神經元中的參數，於是能更新整個網絡。

雖然咱們只簡要了解了第一部分 30 分鐘的課程，但後面還有很是多的內容與主題，包括卷積網絡和遞歸網絡等基本架構、強化學習與生成對抗網絡等前沿的優秀方法。咱們也但願該課程能幫助普遍的讀者瞭解併入門機器學習。