37. 程序讲解：信息熵和互信息的计算程序示例

各位同学，大家好：       欢迎学习《深度学习基础》课程。       随着人工智能的再次火热，深度学习成为其中关键技术之一，并为业界关注。本课程是一门侧重在深度学习相关理论基础的课程，并对深度学习的典型模型框架如循环神经网络、卷积神经网络等的基本原理进行了介绍。课程同时还包括若干关键内容的相关代码及运行效果演示，从而便于同学们获得理性和感性的认识。如果你想亲密接触深度学习、人工智能等并愿意付诸实践，请加入进来吧！      本期课程我们提供了以下内容：      (1)课程视频。总计8讲视频，每周发布一讲；对于相关代码及演示，课程以目前流行的Python作为主编程语言。     (2)测验考核题。每讲会随机产生10道题，在限定时间内提交，总分10分。如果你没有开始测试，则你可在测验发布之日至截止日期之间的任何时间内完成即可。一旦你开始测试，则需在限定时间内(如30分钟内)完成提交。到限定时间结束时系统会自动提交，无论你是否回答了问题。其结果将计入最终成绩。每讲，你可以有两次测验机会（但两次未必是同一张卷），两次测验成绩最高分数为本讲你获得的成绩分数。     (3)期末考试。期末会有一个考试，20道题20分。       课程的思维导图如下：                                         在学习过程中有任何问题，请随时联系任课教师或者在课程论坛里发出问题。我们将尽最大的努力辅助你们的学习，解答你们的疑问。       祝大家学习愉快，有所收获！                                                                                                                《深度学习基础》课程组