这是动手学深度学习在线课程的相关介绍，课程于2021年3月20日开始，预计7月结束，内容涵盖深度学习基础、卷积神经网络、计算机视觉、循环神经网络、自然语言处理等方面，具有以下特点：
-
课程背景与特点
-
背景：深度学习发展迅速但模型复杂，本课程从零开始教授，只需基础Python编程和数学知识。
-
特点：讲述模型算法同时用PyTorch实现细节，含四次课程竞赛，内容紧靠《动手学深度学习》第二版，被近200所大学采用。
-
讲师与参与方式
-
讲师：AWS资深首席科学家、美国卡内基梅隆大学计算机系博士李沐。
-
参与方式：无需注册或缴费，直播时间为北京时间每周六、日下午1:00 - 2:30，直播地址在机器之心，视频回放于B站，教材为zh - v2.d2l.ai。
-
课程安排
-
深度学习基础（3 - 4月）：介绍深度学习概念，涉及安装、数据操作与预处理、线性代数、自动求导、线性回归、Softmax回归、感知机、多层感知机、模型选择、权重衰减、Dropout、数值稳定性、模型初始化和激活函数等内容，并进行预测房价竞赛，含相关知识点的从零开始和简洁实现，部分时间休课。
- 卷积神经网络（4 - 5月）：包含模型构造、参数管理、自定义层、读写文件、GPU相关内容，从全连接层到卷积、图像卷积、填充和步幅、多输入多输出通道、池化层、多种卷积神经网络结构（LeNet、AlexNet、VGG、NiN、GoogLeNet）、批量归一化、残差网络，进行图片分类竞赛，期间有多次休课。
- 计算机视觉（6 - 7月）：介绍硬件（CPU和GPU、专有硬件）、多GPU训练（含实现与分布式训练）、图像增广、微调，进行多个实战Kaggle比赛（图像分类、狗的品种识别）、物体检测（相关概念与多种检测方法实现）、语义分割（数据集、转置卷积、全连接卷积神经网络、样式迁移），最后进行目标检测竞赛总结。
- 循环神经网络与自然语言处理（7 - 8月）：涉及序列模型、文本预处理、语言模型和数据集、循环神经网络（多种类型及实现）、机器翻译与数据集、编码器 - 解码器结构、序列到序列学习、束搜索、注意力机制（含多种类型及相关应用）、优化算法，最后进行课程总结和进阶学习，期间有休课安排。