深度学习课程，2023秋，研究生

Go to file

深度学习（2023年秋，研究生课程）

教学周	日期	教学内容 (PPT)	作业	作业截止日期
1	09-04	课程介绍、绪论	(1) 阅读教材（邱锡鹏）的附录《数学基础》部分; (2) 配置实验环境。	--
2	09-11	基础知识	HW1-线性回归	9月25日
3	09-18	前馈神经网络与BP算法	HW2-前馈神经网络	10月9日
4	09-25	卷积神经网络	HW3-卷积神经网络	10月23日
5	10-02	国庆假期
6	10-09	卷积神经网络的应用	无
7	10-16	循环神经网络	HW4-循环神经网络	10月30日
8	10-23	注意力机制与Transformer	HW5-语言模型	11月6日
9	10-30	深度生成模型（1）- GAN	HW6-生成对抗网络	11月13日
10	11-6	深度生成模型（1）- GAN 续	无
11	11-13	深度生成模型（2）- VAE	HW7-变分自编码器	11月27日
12	11-20	深度生成模型III（Diffusion）
13	11-27	深度生成模型IV（Diffusion的应用）	HW8-扩散模型	12月18日

期末综合作业