01-课程安排

01-课程安排

本节目录

1. 课程目标

  • 介绍深度学习经典和最新模型
    • LeNet, ResNet, LSTM, BERT, …
  • 机器学习基础
    • 损失函数、目标函数、过拟合、优化
  • 实践
    • 使用Pytorch实现介绍的知识点
    • 在真实数据上体验算法效果

2. 内容

深度学习基础:线性神经网络,多层感知机

卷积神经网络:LeNet, AlexNet, VGG, Inception, ResNet

循环神经网络:RNN,GRU,LSTM,seq2seq

注意力机制:Attention, Transformer

优化算法:SGD,Momentum,Adam

高性能计算:并行,多GPU,分布式

计算机视觉:目标检测,语义分割

自然语言处理:词嵌入,BERT

3. 学到什么

  • What:深度学习有哪些技术,以及哪些技术可以帮你解决问题
  • How:如何实现(产品 or paper)和调参(精度or速度)
  • Why:背后的原因(直觉、数学)

4. 基本要求

  • AI相关从业人员(产品经理等):掌握What,知道名词,能干什么
  • 数据科学家、工程师:掌握What、How,手要快,能出活
  • 研究员、学生:掌握What、How、Why,除了知道有什么和怎么做,还要知道为什么,思考背后的原因,做出新的突破

5. 课程资源

6. 总结

  • 课程目标、内容和要求
  • 相关课程资源链接
上一页
下一页