本课程主要介绍深度学习的基本原理、卷积神经网络、循环神经网络、生成对抗网络、注意力机制、Transformer等基本方法及其典型应用领域，并借助机器学习主流的开源框架实现深度学习在证券趋势预测、声音质量评价、电子推荐、目标检测、社交网络情感分析等多个典型领域的应用。
https://www.icourse163.org/course/FUDAN-1205806833
课程概述
1.我为什么要学习这门课？
机器学习是人工智能的重要组成和技术基础，伴随着人工智能几十年的发展，期间几次大起大落。作为机器学习的高级阶段，最近几年深度学习算法在自然语言处理、语音识别、图像处理等领域的突破应用和广泛接受。这也标志着机器学习已经迈出实验室大门，走向实践，推动着人工智能向更高阶段发展。数据分析和人工智能发展已经引起了全球关注。企业对机器学习的人才需求增大，与之密切相关的数据科学家、数据挖掘工程师、大数据分析师、机器学习工程师等数据分析类人才成为本世纪最有吸引力的职业。根据相关企业估计，上述人才的增长高峰将持续6-8年。本课程就是对深度学习感兴趣的学员准备的。
2.这门课的主题是什么？
讨论深度学习的典型算法原理与应用（具体内容请参考下面课程大纲），为实践打下坚实的基础。
3.学习这门课可以获得什么？
课程目标：理解深度学习的基本原理、精选的深度学习基本算法及其典型应用，并使用主流的机器学习开源平台实现深度学习在典型领域的应用过程，能否对一般难度的应用问题进行分析和代码实现。
4.这门课有什么特色和亮点？
深度学习是一门理论和实践并重的课程，其中的内容比较多，很多算法也有一定的难度。深度学习的应用也需要一定的经验和技巧。本课程参阅了大量文献资料，结合过去多年的数据分析研究和项目实践，深入浅出，学生在可以钻研深度学习的算法以及应用。课程通过大量的选择题、填空和判断题检验和巩固学员对基本知识的理解。
5.这门课的学习方法建议
建议结合教材《机器学习（第2版）》（人民邮电出版社，2022）、《机器学习案例实战（第2版）》（人民邮电出版社，2021）、《Python机器学习实战案例（第2版）》（清华大学出版社，2022）学习，先结合视频了解基本算法，然后通过各单元的测试题和作业巩固基本概念和算法，再通过具体的案例解读思路和代码，巩固算法。线下还要参考实战教材动手实验和实践练习，循序渐进。实验建议采用Anaconda或阿里天池AI平台。
