隨著人工智能的再次火熱，深度學習成為其中關鍵技術之一，并為業(yè)界關注。本課程是一門側重在深度學習相關理論基礎的課程，并對深度學習的典型模型框架如循環(huán)神經網絡、卷積神經網絡等的基本原理進行了介紹。課程同時還包括若干關鍵內容的相關代碼及運行效果演示，從而便于同學們獲得理性和感性的認識。如果你想親密接觸深度學習、人工智能等并愿意付諸實踐，請加入進來吧！

本課程將全面的介紹近年發(fā)展起來的基于神經網絡的深度學習技術的基本概念，主要

結構，核心方法和關鍵應用。主要內容包括：（1）機器學習和神經網絡的基本概念和

算法及其背后概率論、線性代數、優(yōu)化理論相關基礎；（2）深度學習的主流結構、激

活函數、正則化技術，實用算法細節(jié)和應用案例；（3）計算機視覺與自然語言處理技

術原理與應用；（4）包括模型壓縮、生成對抗網絡技術在內的新興技術簡介；（5）前

沿論文與技術探討。

通過課程的學習，使同學們鞏固基礎數學及機器學習的基本概念和算法；掌握神經網

絡基本概念；掌握深度學習中的主要網絡結構的基本概念和相關算法；了解具體應用

領域的背景知識、應用相關的深度學習技術；并了解生成對抗網絡、深度神經網絡模

型壓縮等新興技術。

This course will give a full picture of recently developed deep learning techniques. Basic

concepts, main structures, core algorithms and key applications will be introduced in detail.

Content includes: (1) basic concepts and algorithms of machine learning and neural

networks and its behind mathematics foundations of probability, linear algebra and

optimization theory; (2) popular network structures, activation functions, and regularization

techniques, as well as algorithm details and typical application cases; (3) principle and

applications of computer vision and natural language processing. (4) a brief introduction to