函授课程 深度学习基础 核心内容精简版.docxVIP

函授课程深度学习基础核心内容精简版

一、课程核心概述

深度学习基础核心是掌握深度学习的基本概念、核心原理、典型模型及应用场景，核心目标是建立对深度学习的系统认知，理解神经网络的工作逻辑，能区分常见模型的适用场景，为后续深入学习算法、实操应用打下基础。本精简版聚焦函授学习重点，摒弃复杂数学推导、深奥算法细节及冗余代码，提炼核心知识点、高频考点，避开专业门槛过高的内容，便于自主学习、快速掌握及备考。

二、核心基础认知（必掌握）

（一）核心定义

深度学习：是机器学习的一个重要分支，以人工神经网络为核心，通过模拟人类大脑的神经元连接方式，对数据进行多层级的特征提取和学习，实现对复杂数据的分类、预测等任务，核心是“多层神经网络+自主特征学习”。

补充（高频考点）：深度学习与机器学习的区别——机器学习需人工手动提取数据特征，深度学习可自动完成特征提取，无需人工干预，适配更复杂的数据（如图像、语音）。

（二）核心基础概念（必背考点）

人工神经网络（ANN）：深度学习的核心载体，由大量神经元（节点）按一定规则连接组成，分为输入层、隐藏层、输出层，层与层之间通过权重连接，核心作用是实现数据的特征转换与学习。

神经元：神经网络的基本单元，接收输入数据，通过激活函数处理后，输出结果，是特征传递的基础。

激活函数：核心作用是给神经网络引入非线性因素，让模型能学习复杂的非线性关系，重点掌握3种常用激活