提示：课程编号
密码错误
| 周次 | 主题 | 资料 |
|---|---|---|
| 第一部分：深度学习基础 | ||
| 第 1 周 |
绪论
深度学习的发展脉络与应用概览；机器学习基础回顾；课程安排
|
课件 |
| 第 2 周 |
神经网络基础
前馈网络、反向传播与自动微分，收敛性，泛化性
|
课件 |
| 第 3 周 |
深度模型的训练 I：优化方法
梯度下降类算法、学习率策略、参数初始化等
|
课件 |
| 第 4 周 |
深度模型的训练 II：正则化与归一化
正则化技术、归一化方法；深度学习框架实践
|
|
| 第二部分：主流模型架构 | ||
| 第 5 周 |
卷积神经网络
基本原理与经典架构
|
课件 |
| 第 6 周 |
卷积神经网络的应用
图像分类、目标检测与分割
|
|
| 第 7 周 |
注意力机制与 Transformer
自注意力、位置编码、视觉 Transformer
|
|
| 第 8 周 |
大语言模型
预训练、后训练与参数高效微调
|
|
| 第 9 周 |
深度生成模型 I
自回归模型、变分自编码器与生成对抗网络
|
|
| 第 10 周 |
深度生成模型 II
扩散模型与流匹配
|
|
| 第三部分：学习范式 | ||
| 第 11 周 |
自监督学习
对比学习、掩码建模、伪标签方法
|
|
| 第 12 周 |
迁移学习
预训练-微调范式、领域偏移、领域泛化
|
|
| 第 13 周 |
多任务学习
参数共享结构、任务平衡、梯度冲突与帕累托优化
|
|
| 第 14 周 |
元学习
基于优化、基于度量的方法
|
|
| 第 15 周 |
联邦学习
分布式协同训练、数据异构性与隐私保护
|
|
| 第 16 周 |
持续学习与课程总结
灾难性遗忘与缓解方法；课程回顾
|
|
教材
参考书
相关课程
工具