随着人工智能的再次火热，深度学习成为其中关键技术之一，并为业界关注。本课程是一门侧重在深度学习相关理论基础的课程，并对深度学习的典型模型框架如循环神经网络、卷积神经网络等的基本原理进行了介绍。课程同时还包罗若干关键内容的相关代码及运行效果演示，从而便于同学们获得理性和感性的认识。如果你想亲密接触深度学习、人工智能等并愿意付诸实践，请加入进来吧！

本课程将全面的介绍近年发展起来的基于神经网络的深度学习技术的基本概念，主要

结构，核心方法和关键应用。主要内容包罗：（1）机器学习和神经网络的基本概念和

算法及其背后概率论、线性代数、优化理论相关基础；（2）深度学习的主流结构、激

活函数、正则化技术，实用算法细节和应用案例；（3）计算机视觉与自然语言处理技

术原理与应用；（4）包罗模型压缩、生成对抗网络技术在内的新兴技术简介；（5）前

沿论文与技术探讨。

通过课程的学习，使同学们巩固基础数学及机器学习的基本概念和算法；掌握神经网

络基本概念；掌握深度学习中的主要网络结构的基本概念和相关算法；了解具体应用

领域的背景知识、应用相关的深度学习技术；并了解生成对抗网络、深度神经网络模

型压缩等新兴技术。

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