本课程介绍深度学习。学习本课程的学生将学习深度学习的理论、模型、算法、实现和最新进展，并获得训练深度神经网络的经验。课程从机器学习基础知识和一些经典的深度模型开始，然后是训练深度神经网络的优化技术，大规模深度学习的实现，多任务深度学习，迁移深度学习，循环神经网络，深度学习在计算机视觉和语音识别中的应用，以及理解深度学习的工作原理。要求学生具备微积分、线性代数、概率论、统计学和随机过程的基本背景知识。2023年春季提供的课程特点:深度学习的最新进展，如深度强化学习、GAN、带有语言模型的RNN、视频分析等。掌握优化深度学习的经验，使用流行的DL工具包(例如，PyTorch)。最终项目将带领您完成整个研究流程:起草提案，讨论想法，进行实验，撰写报告，并通过演示分享您的工作!

https://dl.ee.cuhk.edu.hk/index.htmlIntroduction

1Machine Learning Basics 2Multi-Layer Perceptron

3Convolutional Neural Networks

4Network Architectures for Image Understanding 5Optimization of Deep Neural Networks