基于Python的Pytorch深度学习理论与实战课程

时间

内容

学时

考评

第一部分：

机器学习深度学习介绍

第一讲内容大纲：

1.1深度学习定义

1.2相关领域知识及库函数安装配置环境

1.3 机器学习知识：二分类、回归、泛化、正则化

2个学时

第二部分：

Pytorch介绍

第二讲内容大纲：

2.1 Pytorch及张量Tensor介绍

2.2 创建张量

2.3 张量基本数据整理操作

第三讲内容大纲：

3.1张量数学运算

3.2基于元素的数学运算

3.3张量中的几何运算

3.4 张量中的比较运算

3.5 张量中的线性代数运算

2个学时

第三部分

神经网络与深度学习

第四讲内容大纲：

4.1前馈神经网络

4.2 损失函数介绍

第五讲内容大纲：

5.1 激活函数介绍

5.2反向传播理论

5.2 Pytorch代码实现（不同优化器对比）

第六讲内容大纲：

6.1 数值微分运算

1. 6.2符号微分运算

2. 6.3自动微分计算（Autograd代码实现）

第七讲内容大纲：

7.1 性能指标评价：分类模型指标和回归模型指标

7.2 数据准备及拆分构建数据集

7.3 构建模型

7.4 过拟合和欠拟合

7.5 超参数调整

7.6 正则化，早停法，范数惩罚，Dropout

第八讲内容大纲：

8.1利用深度神经网络实战银行商业活动预测及优化调参（kaggle数据集）

第九讲内容大纲

9.1 卷积运算

9.2 池化层

9.3 卷积检测模块：Stride、Padding、Batch Normalization、Filter

9.4 CNN实现手写数字识别

第十讲内容大纲：

10.1 CNN实现猫狗识别（使用GPU训练大模型）10.2 CNN经验法则

第十一讲内容大纲

11.1 RNN模型介绍

11.2 RNN模型训练

11.3双向RNN模型

11.4梯度消失和梯度爆炸

11.5 梯度剪裁

第十二讲 内容大纲：

12.1 LSTM模型

12.2 GRU模型

12.3 文本分类实例教程

第十三讲内容大纲：

13.1 Transformer模型实战案例

第十四讲内容大纲：

14.1 Bert模型实战案例

第十五讲内容大纲：

15.1 GPT模型实战案例

16个学时