文科生如何理解循环神经网络（RNN）？

这一份视频教程中，我会用简明的例子和手绘图，为你讲解循环神经网络（Recurrent Neural Network, RNN）的原理和使用方法。

关于深度学习，我已经为你讲解了不少内容了。

咱们简单回顾一下。常见的深度学习任务，面对的数据类型主要是三类：

第一类，是结构化数据，也就是样本和属性组成的表格。例如《如何用Python和深度神经网络锁定即将流失的客户？》一文中，我们用到的表格：

这种数据格式，最为简单。你也很容易理解深度神经网络的结构和处理方法。

第二类，是图像数据。《文科生如何理解卷积神经网络？》，为你把卷积神经网络的原理进行了拆解剖析。

从读者和观众们的反馈来看，许多人觉得有帮助。

有不少人留言，希望我以同样通俗易懂的讲法，讲讲用于处理序列数据（例如文本）的循环神经网络（Recurrent Neural Network, RNN）的原理。

其实，我也早就想为你讲解这一部分的知识。无奈序列是个动态的概念，所以用文字来给你讲解循环神经网络模型，效率不高。

好在，我最近刚刚学会，如何在录制视频的时候，使用手写输入。于是我立即把这一技术，纳入到咱们的教程制作中来。

我花了一个晚上的时间，为你做了这份视频教程。已发布到了腾讯视频，链接在这里。

从我们耳熟能详的一个故事讲起，触类旁通，让你更容易理解循环神经网络的作用、特点和结构。

除了前文提到的一些材料，视频中还提及了词嵌入（word embedding）的相关知识。这一部分，你可以参考《如何用Python处理自然语言？（Spacy与Word Embedding）》和《如何高效入门数据科学？》，里面还有更多的有趣问题及解法。

由于微信公众号外部链接的限制，文中的部分链接可能无法正确打开。如有需要，请点击文末的“阅读原文”按钮，访问可以正常显示外链的版本。

知识星球入口在这里：