《深度学习导论》课件.ppt

深度学习导论：从理论到实践;课程概述与学习目标;什么是深度学习;深度学习与传统机器学习的区别;深度学习的发展历史;深度学习的应用领域;课程预备知识：Python基础;课程预备知识：线性代数;课程预备知识：微积分;课程预备知识：概率统计;神经网络基础：感知机模型;神经网络基础：激活函数;神经网络基础：前向传播;神经网络基础：反向传播;损失函数的选择与优化;梯度下降法详解;随机梯度下降与mini-batch;优化器：Adam、RMSprop等;过拟合与欠拟合;正则化方法：L1和L2;Dropout技术详解;批标准化（BatchNormalization）;卷积神经网络（CNN）简介;CNN的基本组件：卷积层;CNN的基本组件：池化层;CNN的基本组件：全连接层;经典CNN架构：LeNet;经典CNN架构：AlexNet;经典CNN架构：VGG;经典CNN架构：ResNet;循环神经网络（RNN）基础;长短期记忆网络（LSTM）;门控循环单元（GRU）;序列到序列模型;注意力机制基础;Transformer架构详解;自注意力机制;BERT模型简介;GPT系列模型介绍;生成对抗网络（GAN）基础;GAN的训练技巧;条件生成对抗网络;变分自编码器（VAE）;深度强化学习入门;Q-learning基础;深度Q网络（DQN）;策略梯度方法;Actor-Critic架构;深度学习框架：PyTorch;深度学习框架：TensorFlow;模型训练与调优技巧;数据预处理方法;数据增强技术;迁移学习基础;模型部署与生产环境;深度学习的伦理考虑;偏见与公平性问题;深度学习的未来展望;计算机视觉实践项目;自然语言处理实践项目