《动手学习深度学习》

项目动机,课程简介, 课程资源, 教材目录, 笔记, 文件夹说明, 组织者, 贡献者

---

项目动机

《动手学习深度学习》是李沐老师（AWS 资深首席科学家，美国卡内基梅隆大学计算机系博士）主讲的一系列深度学习视频。本项目收集了我们在寒假期间学习《动手学习深度学习》过程中详细的markdown笔记和相关的jupyter代码。赠人玫瑰，手留余香，我们将所有的markdown笔记开源，希望在自己学习的同时，也对大家学习掌握李沐老师的《动手学习深度学习》有所帮助。

本项目的特色：

1. markdown笔记与原课程视频一一对应，可以帮助大家一边听课一边理解。
2. jupyter代码均有详细中文注释，帮助大家更快上手实践。

课程视频共73节，单个视频平均时长不超过30分钟，预计寒假40天内可以学习完毕。

课程简介

通常我们提到深度学习，常常会忘记深度学习只是机器学习的一小部分，而认为它是独立于机器学习的单独模块。这是因为机器学习作为一门历史更悠久的学科，在深度学习没有问世之前，在现实世界的应用范围很窄。在语音识别、计算机视觉、自然语言处理等领域，由于需要大量的领域知识并且现实情况异常复杂，机器学习往往只是解决这些领域问题方案中的一小部分。但是就在过去的几年里，深度学习的问世和应用给世界带来了惊喜，推动了计算机视觉、自然语言处理、自动语音识别、强化学习和统计建模等领域的快速发展，并逐渐引领潮流，在世界掀起了一波人工智能的革命。

在 《动手学习深度学习》 课程中，既有少量的机器学习的基础知识，比如：线性神经网络，多层感知机 等等；又有如今前沿应用的 各种深度学习模型：包括leNet，ResNet，LSTM，BERT…… 同时每一章节的讲解还配备由pytorch实现的代码、教科书等等，可以帮助同学在短期内掌握深度学习的基础模型与前沿知识和并提高实践能力。

课程资源

• B站教学网址：动手学习深度学习（已完结）
• 教材网址：《动手学深度学习》(中文版), 《Dive into Deep Learning》 0.17.1 documentation
• 课程主页：https://courses.d2l.ai/zh-v2/
• 论坛网址：discuss.d2l.ai，discuss.pytorch

此外，本门课程还有相应的代码实现。每章都有相应的jupyter记事本，提供模型的完整python代码，所有的资源都可在网上免费获取。

教材目录

《动手学深度学习》(中文版)和英文版Dive into Deep Learning 0.17.1 documentation教材目录及章节链接如下：

章节	中文版	英文版
1	前言	Introduction
2	预备知识	Preliminaries
3	线性神经网络	Linear Neural Networks
4	多层感知机	Multilayer Perceptrons
5	深度学习计算	Deep Learning Computation
6	卷积神经网络	Convolutional Neural Networks
7	现代卷积神经网络	Modern Convolutional Neural Networks
8	循环神经网络	Recurrent Neural Networks
9	现代循环神经网络	Modern Recurrent Neural Networks
10	注意力机制	Attention Mechanisms
11	优化算法	Optimization Algorithms
12	计算性能	Computational Performance
13	计算机视觉	Computer Vision
14	自然语言处理：预训练	Natural Language Processing: Pretraining
15	自然语言处理：应用	Natural Language Processing Applications
16	推荐系统	Recommender Systems
17	生成对抗网络	Generative Adversarial Networks
18	附录： 深度学习中的数学基础	Appendix: Mathematics for Deep Learning
19	附录： 深度学习工具	Appendix: Tools for Deep Learning

笔记

视频	笔记	讲义	代码	贡献者
	00-预告	课程讲义
	01-课程安排	课程讲义
	02-深度学习介绍	课程讲义
	03-安装	课程讲义
	04-数据操作和数据预处理	课程讲义	Jupyter 代码
	05-线性代数	课程讲义
	06-矩阵计算	课程讲义
	07-链式法则和自动求导	课程讲义	Jupyter 代码
	10-多层感知机	课程讲义1 2	Jupyter 代码

文件夹说明

• imgs：笔记涉及到的图片
• notes：笔记的markdown版本
• code：课程涉及到的python代码

组织者

感谢以下同学对本项目进行组织与指导

贡献者

感谢以下同学对本项目的支持与贡献