大模型时代的深度学习启程指南 v0.1

用户8693

2月25日修改

📖

根据复旦大学《深度学习基础课程》授课录音，由AI辅助整理和人工优化形成​

本讲义专为非AI、非计算机背景的本科生设计，带你从零开始掌握深度学习的核心思想，并逐步了解当前AI研究的前沿方向​

编写团队：潘旭东（复旦大学/上海创智学院）、洪赓（复旦大学）、戴嘉润（复旦大学）​

水平有限，欢迎指正~

附录A：AI数学基础

第一讲：人工智能—历史与当下

第2讲学习核心概念与线性回归模型

第3讲线性分类、模型评估与泛化

第4讲神经网络结构与前向传播

第5讲反向传播与神经网络训练技巧

第6讲自然语言处理基础与经典模型

第7讲预训练、迁移学习与注意力机制

第8讲 Transformer架构与预训练语言模型

第9讲大模型驱动的智能体

第10讲无监督、表征学习与自监督

第11讲深度强化学习入门

第12讲深度强化学习进阶

第13讲视觉生成模型

第14讲多模态大模型与AI安全（TODO）

附录B: Python基础（TODO）

[更新时间：2025年12月18日]

大模型时代的深度学习启程指南 v0.1​