EE5438
应用深度学习
📘 简介
本课程旨在帮助学生掌握业界采用的最先进的深度学习技术，包括 MLP、CNN、LSTM、Transformer、BERT 等模型。学生将学习深度神经网络的理论与实践，能够开发和训练深度学习模型，并通过 Python 和 PyTorch 实现深度学习应用。
🔗 相关链接
🎯 学习目标
完成课程后，学生将能够：
✔️ 解释 AI、机器学习与深度学习的主要技术趋势及其相互关系；
✔️ 针对不同应用选择合适的深度学习技术；
✔️ 构建、训练并应用 MLP、CNN、RNN 和 Transformers 等深度学习模型；
✔️ 针对实际问题开发深度学习解决方案，如计算机视觉与自然语言处理；
✔️ 使用 Python 和 PyTorch 实现深度学习模型。
📊 评估方式
| 评估项目 | 权重 | 具体描述 |
|---|---|---|
| 📚 测试 | 15% | 评估学生对核心理论和实践的掌握情况。 |
| 📝 作业 | 15% | 包括编程任务与教程练习，评估学生应用知识的能力。 |
| 📝 小组项目 | 20% | 学生需完成一个项目并通过报告与展示展示成果。 |
| 📖 期末考试 | 50% | 时长为 2 小时的考试，评估学生对课程目标的全面掌握。 |
💬 课程评价
✨ 精选评价
✏️ 您也可以通过以下方式分享您的学习体验和建议：
-
1️⃣ 课程页面底部评论 💬 在课程页面底部直接提交您的评论，我们会审核后将其收录到网站中。
-
2️⃣ GitHub 提交 🌐 如果您希望更全面地分享课程评价，或希望修改或新增课程页面，欢迎参考 Contributing 页面，通过 GitHub 提交您的贡献。
💡 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