CMU《深度学习导论|CMU 11785 introduction to deep learning Fall 2024》中英字幕（deepseek

https://deeplearning.cs.cmu.edu/F24/index.html

"深度学习"系统,以深度神经网络为代表,正在逐渐接管所有的人工智能任务,范围涵盖从语言理解、语音和图像识别到机器翻译、规划,甚至游戏和自动驾驶。因此,深度学习的专业知识正在迅速从一项深奥的理想变成许多高级学术环境中的必备条件,并在工业就业市场中成为一大优势。

在本课程中,我们将学习深度神经网络的基础知识及其在各种人工智能任务中的应用。课程结束时,预计学生将对该主题有显著的熟悉度,并能够将深度学习应用于各种任务。他们还将能够理解该领域的大部分当前文献,并通过进一步学习扩展他们的知识。

如果你只对课程讲座感兴趣,可以在YouTube频道上观看。

从学生角度描述的课程

这门课程在概念方面非常全面。它帮助我们理解深度学习的基础。课程从多层感知器(MLPs)逐步开始,然后进入更复杂的概念,如注意力机制和序列到序列模型。我们对PyTorch有全面的实践,这对于实现深度学习模型非常重要。作为学生,你将学习构建深度学习模型所需的工具。作业通常包含两个部分:Autolab和Kaggle。Kaggle部分允许我们探索多种架构,并了解如何微调和持续改进模型。所有作业的任务都类似,学习如何用多种深度学习方法解决同一个任务很有趣。总的来说,在这门课程结束时,你将有足够的信心来构建和调优深度学习模型。

先修条件

我们将在这门课中使用Numpy和PyTorch,所以你需要能够用python3编程。

你需要熟悉基础微积分(微分、链式法则)、线性代数和基础概率论。