深度学习是人工智能的核心技术之一，正在对我们生活的各个方面产生深远的影响。然而，这个领域对于初学者来说，无疑是困难和挑战重重的。过于复杂的数学公式，复杂的编程技巧以及成百上千行代码，都使得初学者在踏上深度学习的道路时，感到畏惧甚至放弃。我深感这些问题的存在，并坚信需要一本全面、深入且容易理解的课程来解决这些问题。因此我希望能够借助这本课程，帮助你避开我所遭遇的困难，更快更好地掌握深度学习相关的知识与技能。为了实现这个目标，我尽可能地把握两个重要的方向。首先，我希望本课程能够明确地解释和推导那些复杂的数学公式，并通过实际的编程例子，帮助读者理解和应用这些公式。其次，我尽量将理论知识与实践应用代码结合起来，以确保同学们在掌握理论知识的同时，也能有效地应用这些知识来解决实际问题。
本课程不仅包含了大量的公式推导和编程实例，同时也穿插了许多名人名言和思政内容，以及一些关于算法思路的讨论。我希望这些内容能帮助您更深入地理解深度学习，理解它的发展脉络，以及它是如何与我们生活相联系的，也希望这些思想能够启发读者，领悟其背后的哲学和生活联系，培养社会责任感和伦理意识，从而正确运用人工智能技术，促进科技与社会的和谐发展。
本课程已录制教程，
1. CG平台慕课可以看到完成的视频
2. B站视频（前5章） https://www.bilibili.com/video/BV155411t7ad/
由于视频难免有错误，还请大家在答疑中指出，谢谢。
注意：请各位同学在登录的第一时间在个人信息中录入手机号和邮箱，用于课堂签到和找回密码。
工学博士、博士生导师，硕士生导师。
长期致力于智能决策研究，目前主要探索智能运筹优化问题以及产业应用与大模型的结合。近年来在Transportation Research Part E: Logistics and Transportation Review、 IEEE Transactions on Intelligent Transportation Systems、Expert Systems with Applications 等行业顶刊发表论文多篇，获国家、省市级项目、发明专利多项。
硕士、博士 研究生招生广告：
非常欢迎热爱编程，对人工智能有强烈探索欲，有软硬件项目研发经验，有Kaggle、天池等竞赛的比赛经验，写过技术类博客，有Github开源项目或者发表过学术论文的同学们加入我们。
线性代数、微积分、概率论
6.5.2 实战9：基于LeNet-5的MNIST图片分类实战
7.3.2 实战11：基于VGG的CIFAR-10图片分类实战
7.4.5 实战12：基于简版GoogLeNet的CIFAR-10图片分类实战
7.5.4 实战13：基于ResNet的CIFAR-10图片分类实战
9.5.5 实战19：基于稀疏自编码器的手写数字图片重建实战
10.1.6 实战20：基于变分自编码器的手写数字图片重建实战
10.3.2 实战22：基于DCGAN的手写数字图片生成实战
11.1.4 强化学习实验环境冰湖游戏环境FrozenLake
11.3.1 策略迭代算法(Policy Iteration)
11.3.2 实战24：基于策略迭代算法的FrozenLake游戏
11.3.4 实战25：基于值迭代算法的FrozenLake游戏
11.4.3 实战26：基于SARSA算法的FrozenLake游戏
11.4.5 实战27：基于Q-Learning算法的FrozenLake游戏
11.6.2 实战29：基于REINFORCE算法的平衡摆游戏
12.1.2 大模型的发展简史：从Transformer到DeepSeek的技术跃迁
12.1.4 大模型的社会影响：DeepSeek在行业落地中的生产力变革
12.2.1 2.1 语言模型的核心数学原理（概率链式法则与生成式AI）
12.2.3 2.3 自注意力（Self-Attention）的数学形式与计算流程
12.2.4 2.4 传统序列模型（RNN/LSTM）的局限性
12.3.1 3.1 Transformer核心组件解析（编码器、解码器、位置编码）
12.3.2 3.2 实验1：手动实现Self-Attention机制（可视化注意力权重）
12.3.3 3.3 实验2：构建Mini-Transformer模型（编码器-解码器实战）
12.3.5 3.5 位置编码的工程实现（正弦函数 vs 学习式编码）
12.4.1 4.1 分布式训练框架（数据并行、模型并行、混合并行）
12.4.2 4.2 实验3：从零训练GPT-2微型版（简化架构与硬件适配）
12.4.3 4.3 优化策略：梯度裁剪、学习率预热、混合精度训练
12.4.5 4.5 模型评估指标（困惑度、BLEU、人类对齐度）
12.5.1 5.1 自然语言处理（文本生成、对话系统、代码生成）
12.5.2 5.2 多模态应用（CLIP图像理解、DALL·E创意生成）
12.5.3 5.3 行业落地案例（医疗诊断助手、金融风险分析）
12.5.4 5.4 伦理挑战（偏见放大、信息泄露、责任归属）
12.6.1 6.1 模型压缩技术（知识蒸馏、量化、稀疏化）
12.6.3 6.3 DeepSeek开源生态与工具链（Hugging Face、LangChain）
以小组形式完成自选题目，在17、18周进行PPT汇报（应用场景、算法思路、结果），在本平台提交可执行的代码和说明（jupyter notebook）
主要参考书目：
《神经网络与深度学习》 https://nndl.github.io/
课外阅读：
《深度学习》 （花书）
《机器学习》 （西瓜书）
《TensorFlow深度学习实战》 （TF2.0版）