人工智能导论：从感知机到Transformer.pptxVIP

人工智能导论：从感知机到Transformer

课程导入与学习指引循环神经网络基础早期神经网络基础注意力机制诞生与发展多层神经网络突破Transformer核心架构拆解反向传播算法详解Transformer典型应用实践卷积神经网络入门课程总回顾与未来展望CONTENTS

01课程导入与学习指引

面向学生的学习目标掌握从感知机到Transformer的核心原理，能独立完成基础AI模型搭建与调优，适配入门级开发需求。课程整体框架梳理课程共10个章节，从早期神经网络逐步推进到大模型应用，兼顾理论推导与实操落地训练。前置知识储备要求需掌握Python基础语法、高等数学微积分基础、线性代数矩阵运算、概率统计入门相关知识点。学习考核方式说明最终成绩由30%课后实操作业、40%阶段测验、30%结课大项目三部分加权核算得出。配套资源获取指引所有课件、代码数据集、参考文档均可在课程专属云盘文件夹内凭选课账号权限下载获取。0102030405课程定位与受众说明

人工智能定义溯源1956年达特茅斯会议首次正式提出人工智能概念，目标是让机器具备类人智能行为能力。技术演进核心脉络从人工规则设计到浅层机器学习，再到端到端深度学习，逐步向通用人工智能方向探索推进。三次发展浪潮梳理第一次浪潮以符号推理为核心，第二次以统计学习为核心，第三次以深度学习大模型为核心。本课程学习意义帮你搭建完整AI知识体系，避免碎片化学