欢迎来到《深度学习原理及其应用》

本教程介绍：

这是一本源于课堂实践的开源在线教程，旨在为计算机领域研究生和非计算机理工科学生提供一套能够在云端运行的深度学习实践教材。这个在线教程可以让学生充分利用云端资源，在没有任何安装和配置要求的情况下，即可上手学习和实践深度学习原理及其应用。本教程由**应方立 博士** 创建，并主要面向华东理工大学的一年级研究生的《深度学习原理及其应用》课程，全面介绍计算机科学领域和AI for Science等交叉领域中的深度学习应用相关问题，为学生提供从基础理论到实际应用的全面指引，助力学生快速跨越深度学习的入门门槛，深入理解其核心概念与技术要点。教程涵盖了深度学习的多个关键层面，包括神经网络架构、数据预处理、模型训练与优化策略等，通过丰富的案例和生动的讲解，使抽象的知识变得直观易懂。无论是对于未来致力于计算机视觉、自然语言处理等热门领域研究的学生，还是希望将深度学习技术应用于自身专业领域以解决实际问题的理工科人才，这本教程都犹如一把开启知识宝库的钥匙。同时，其开源的特性也方便了广大教育工作者和自学者进行参考借鉴，进一步推动深度学习教育资源的共享与交流，促进该领域知识的广泛传播与深入探索，有望在提升计算机教育水平以及培养跨学科创新人才方面发挥积极而深远的影响。

课程目标：

• 掌握深度学习基础理论，包括神经网络模型原理等。

• 培养实践动手能力，通过云端实践项目积累经验。

• 提升创新思维与问题解决能力，鼓励AI创新应用。

• 培养团队协作和沟通交流能力。

• 培养综合性AI应用人才，推动学科融合与创新发展。

本课程所需工具：

编程语言：仅 Python。 工具：Jupyter Notebook、Anaconda、Numpy、Pandas、matplotlib、用于机器学习的 SkLearn、用于深度学习的 Pytorch。 通过 Python 安装 Anaconda，并安装 Python 库。 使用说明： 所有章节均以 Jupyter book 编写，融合了讲解与示例代码。在教学过程中，会使用 reveal.js 和 RISE 将其展示为现场演示。本教材内容设计为按主题浏览而非顺序浏览。

作者：

[应方立] (https://fangli-ying.github.io/) 目前是华东理工大学信息学院计算机系的讲师。是计算机科学硕士项目的导师以及博士项目的联合导师。致力于人工智能工业应用开发，以解决多学科研究中的实际问题，并与多个大学的相关实验室或部门，比如所在大学的生物反应器工程国家重点实验室、金融系以及大数据分发与交换技术国家工程实验室开展合作。在人工智能与计算机科学领域的期刊和会议上发表了众多文章。其当前的研究兴趣包括计算机视觉、投资组合管理强化学习、合成生物学中的生物信息学等。

目录：

深度学习基础

• 1.深度学习基础
• 第一章 深度学习基础

视觉基本任务

• 1. 目标检测简介
• 2. 数据探索
• 3. 数据预处理
• 4. RetinaNet
• 5. Faster R-CNN
• 6. YOLOv8 追踪计数
• 展示前面保存的视频
• 在视频处理完成后添加以下代码
• 展示生成的视频
• 7. References

深度生成模型

• 1. 生成对抗网络（GAN）简介
• 2. 数据探索
• 3. GAN
• 4. pix2pix
• Variational Autoencoder（未完成）
• 5. References

序列模型

• 1. Time Series 时间序列简介
• 2. EDA
• 3. 数据预处理
• 4. LSTM
• 5. CNN-LSTM

自然语言处理

• 1. NLP模型简介 (Introduction to NLP Model)（未完待续）

图表示学习

• 6. 图理论基础 （未完待续）