SDSC8007
深度学习
📘 简介
本课程系统讲解深度学习的理论与方法，包括浅层与深层神经网络、全连接与结构化神经网络、卷积与傅里叶变换、梯度下降与随机梯度下降、反向传播与自动微分，以及深度学习算法的学习能力和网络架构设计等。
🔗 相关链接
🎯 学习目标
完成课程后，学生将能够：
✔️ 解释深度学习的基础理论、方法和应用；
✔️ 分析和比较不同深度神经网络架构的功能与性能；
✔️ 运用标准深度学习算法分析现实世界数据集并提出解决方案；
✔️ 解决实际问题并创新设计深度学习算法。
📊 评估方式
| 评估项目 | 权重 | 具体描述 |
|---|---|---|
| 📄 测试 | 50% | 测试学生对课程理论与方法的理解，包括神经网络架构与算法的应用。 |
| 📝 小型项目 | 25% | 学生需完成深度学习挑战，提交书面报告并展示研究结果。 |
| 🖥️ 项目展示 | 25% | 演示项目策略、过程和结果，评估学生对深度学习概念的创新应用能力。 |
💬 课程评价
✨ 精选评价
💡 加入讨论
在下方评论分享您的评价、问题或经验👇
“期待你的评价。”
—— CityU