课程名称适应人群5天搞定深度学习入门系列所有人我们这门课程是面向0基础学员，从上世纪60年代基础的的单层感知器开始学习，从基础的知识开始，进行体系化的学习。 课程会包含神经网络领域大多数重要分支，并通过这些分支延伸到如今热门的的深度置信网络DBN，卷

课时名称课时知识点受限玻尔兹曼机RBM(代码实践)代码实现受限玻尔兹曼机RBM。

课时名称课时知识点受限玻尔兹曼机RBM介绍马尔可夫链，马尔可夫转移矩阵，平稳分布，吉布斯抽样。受限玻尔兹曼机的结构，CD对比散度算法，训练玻尔兹曼机。

课时名称课时知识点玻尔兹曼机详细介绍模拟退火算法，以及玻尔兹曼机BM的结构以及训练过程。

课时名称课时知识点Hopfield神经网络(代码实践)编程实现Hopfield神经网络。

课时名称课时知识点Hopfield神经网络介绍了Hopfield神经网络的结构，算法以及应用。

课时名称课时知识点过拟合，以及google神经网络小工具介绍欠拟合，正确拟合以及过拟合，以及过拟合的解决方案。用一个google的神经网络小工具复习之前学到的知识。

课时名称课时知识点深入理解BP神经网络(论文讲解)通过一篇论文的讲解，深入探讨BP神经网络的激活函数选取，初始值选取，神经网络层数设置等问题。

课时名称课时知识点进军多层-BP神经网络介绍(代码实践2)用BP神经网络来解决数字识别的问题。

课时名称课时知识点进军多层-BP神经网络介绍(代码实践1)通过代码来简单演示BP神经网络的工作流程。

课时名称课时知识点进军多层-BP神经网络介绍详细介绍BP神经网络的结构，以及算法推导。

课时名称课时知识点网络优化-线性神经网络，delta学习规则，梯度下降法(代码)通过代码来实现线性神经网络和delta学习规则。

课时名称课时知识点网络优化-线性神经网络，delta学习规则，梯度下降法详细介绍线性神经网络，delta学习规则以及梯度下降算法。

课时名称课时知识点从0到1-单层感知器(代码实践)通过编程实现最简单的神经网络，单层感知器的应用。

课时名称课时知识点从0到1-单层感知器介绍人体内部神经元的工作原理，以及最基本的神经网络，单层感知器的结构，以及学习规则。

课时名称课时知识点神经网络发展史介绍神经网络的发展历史，启蒙时期，低潮时期，复兴时期和新时期。并介绍几位深度学习领域非常重要的科学家。

课时名称课时知识点神经网络概述介绍神经网络的基础，以及应用。介绍神经网络的种类，编程语言，实现框架，以及课程的体系结构。