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

• 课程页面
• 课程大纲 PDF

---

🎯 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。