Introduction to Deep Learning

About This Course

本课程是一套从数学基础出发，深入剖析深度学习核心理论，并全面涵盖计算机视觉与自然语言处理的经典深度学习算法。

Course Syllabus (2026)

1. 概述、线性代数和NDArray（书）

2. 概率与统计

3. 导数、逆向传播和复杂度

4. 线性方法、基础优化和层序回归

5. 最大似然估计和逻辑回归

6. 多层感知机

7. 模型选择，权重衰减和丢弃法

8. 数值稳定性和激活函数

9. 泛化表现，协变量偏移 和 对抗性数据

10. 卷积和池化层

11. LeNet, AlexNet, VGG 和 NiN

12. Inception, 批量归一化 和 残差网络

13. 图像增广，微调 和 样式迁移

14. 目标检测，计算机视觉训练技巧

15. 序列模型

16. 循环神经网络

17. 高级循环神经网络

18. 嵌入向量, 词嵌入, 子词嵌入, 全局向量的词嵌入

19. 编码器解码器，Seq2seq模型，束搜索

20. 注意力机制