01-课程安排.md

01-课程安排

本节目录

• 1. 课程目标
• 2. 内容
• 3. 学到什么
• 4. 基本要求
• 5. 课程资源
• 6. 总结

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

• 课程主页：https://courses.d2l.ai/zh-v2/
• 教材：https://zh-v2.d2l.ai/
• 课程论坛讨论：https://discuss.d2l.ai/c/chinese-version/16
• Pytorch论坛：https://discuss.pytorch.org/
• b站视频合集：[https://space.bilibili.com/1567748478/channel/seriesdetail?sid=358497](

6. 总结

• 课程目标、内容和要求
• 相关课程资源链接