本课程由北京邮电大学工学博士王天一主讲，系统梳理人工神经网络的理论基础与实践应用。王博士曾参与多项国家级科研项目，发表多篇SCI论文，课程内容涵盖从神经元模型到深度学习的完整知识框架，帮助学习者构建扎实的AI认知体系。息工程学院担任副教授，主要研究方向是大数据与人工智能，研究内容包括以物联网为基础的大数据应用及神经网络与机器学习。 著有《人工智能革命》一书。
目录：
01-开篇词(1讲)
02-数学基础(7讲)：
01数学基础│九层之台，起于累土:线性代数.html
01数学基础│九,层之台，起于累土:线性代数.mp3
01数学基础│九层之台，起于累土:线性代数.pdf
02数学基础│月有阴晴圆缺，此事古难全:概率论.html
02数学基础|月有阴晴圆缺，此事古难全:概率论.mp3
02数学基础│月有阴晴圆缺，此事古难全:概率论.pdf
03数学基础│窥—斑而知全豹:数理统计.html
03数学基础│窥—斑而知全豹:数理统计.mp3
03数学基础│窥—斑而知全豹:数理统计.pdf
04数学基础│不畏浮云遮望眼:最优化方法.html
04数学基础│不畏浮云遮望眼:最优化方法.mp3
04数学基础│不畏浮云遮望眼:最优化方法.pdf
05数学基础│万物皆数，信息亦然:信息论.html
05数学基础│万物皆数，信息亦然:信息论.mp3
05数学基础│万物皆数，信息亦然:信息论.pdf
06数学基础│明日黄花迹难寻:形式逻辑.html
06数学基础│明日黄花迹难寻:形式逻辑.mp3
06数学基础│明日黄花迹难寻:形式逻辑.pdf
(课外辅导)数学基础│拓展阅读参考书.html
(课外辅导)数学基础Ⅰ拓展阅读参考书.pdf
03-机器学习(10讲)：
07机器学习│数山有路，学海无涯:机器学习概论.html
07机器学习│数山有路，学海无涯:机器学习概论.mp3
07机器学习│数山有路，学海无涯:机器学习概论.pdf
08机器学习│简约而不简单:线性回归.html
08机器学习│简约而不简单:线性回归.mp3
08机器学习│简约而不简单:线性回归.pdf
09机器学习│大道至简:朴素贝叶斯方法.html
09机器学习│人道至简:朴素贝叶斯方法.mp3
09机器学习│大道至简:朴素贝叶斯方法.pdf
10机器学习│衍化至繁:逻辑回归.html
10机器学习│衍化至繁:逻辑回归.mp3
10机器学习Ⅰ衍化至繁:逻辑回归.pdf
04-人工神经网络(7讲)
05-深度学习(7讲)
06-深度学习框架下的神经网络(5讲)
07-深度学习之外的人工智能(4讲)
08-应用场景(4讲)
09-加餐(5讲)
10-复习课(7讲)
11-结束语(1讲)
