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！
Overview
Syllabus
- 第一讲 深度学习概述
- 第二讲 特征工程概述
- 第三讲 回归问题及正则化
- 第四讲 信息熵及梯度计算
- 第五讲 循环神经网络及其变体
- 第六讲 卷积神经网络
- 第七讲 递归神经网络
- 第八讲 生成式神经网络
- 第九讲 预训练模型
- 期末考试
Taught by
Yuanchao Liu
