通过该课程系统、深入、多面地学习深度学习的基础知识点，完成一个手写数字识别案例。

*   01 概念基础/

  *   01 什么是深度学习

  *   02 再说说深度学习

  *   03 深度学习的基本原理

  *   04 工作原理

  *   05 参数的重要性

*   02 学习方式/

  *   01 有监督VS无监督

  *   02 有监督学习

  *   03 无监督学习

*   03 神经网络基础/

  *   01 训练集和测试集

  *   02 分类与回归

  *   03 过拟合

  *   04 one-hot编码

*   04 基础知识/

  *   01 神经网络结构

  *   02 神经元

  *   03 激活函数基础

  *   04 激活函数

*   05 激活函数/

  *   01 线性函数

  *   02 非线性函数

  *   03 阶跃函数

  *   04 sigmoid函数

  *   05 tanh函数

  *   06 softmax函数

  *   07 relu函数

*   06 随机失活/

  *   01 随机失活

*   07 损失函数/

  *   01 基础

  *   02 原理

  *   03 均方误差

  *   04 交叉熵误差

*   08 学习技巧/

  *   01 梯度下降

  *   02 随机梯度下降法

  *   03 学习率

  *   04 参数优化

*   09 评价函数/

  *   01 评价函数

*   10 TensorFlow2.0入门/

  *   01 基础

  *   02 手写数字识别实例

*   11 TensorFlow游乐场/

  *   01 TensorFlow游乐场

*   12 参考文献/

  *   01 参考文献

*   13 结课考试/

  *   01 结课考试