- 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
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
- 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）
- 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
- 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](
- 课程目标、内容和要求
- 相关课程资源链接