课程简介
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、预训练模型、Transformer等的基本原理进行了介绍。其中,Transformer是ChatGPT等大模型的核心关键技术。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!
课程列表
| 课程名称 | 课程链接 |
| 深度学习概述 |
去学习
|
| 特征工程概述 |
| 回归问题及正则化 |
| 信息熵及梯度计算 |
| 循环神经网络及其变体 |
| 卷积神经网络 |
递归神经网络
|
| 生成式神经网络 |
| 预训练模型及其应用 |