课时01

机器学习、深度学习、有监督学习

课时02

多元线性回归算法

课时03

梯度下降法与模型训练

课时04

升维、降维、early stopping、惩罚项

课时05

正则化与归一化

课时06

逻辑回归、Softmax回归、损失函数

课时07

什么是神经网络

课时08

理解神经网络反向传播

课时09

知识总结

课时10

常见问题回答

课时11

回归神经网络反向传播

课时12

梯度消失问题

课时13

激活函数、批量归一化、参数初始化

课时14

图像识别与卷积神经网络

课时15

经典CNN模型、残差网络等

课时16

NLP任务与循环神经网络

课时17

梯度消失、长短时记忆

课时18

编码器解码器、注意力机制

课时19

浅看Transformer架构

课时20

整体把握Transformer结构

课时21

什么是语言模型

课时22

理解Self Attention

课时23

Token Embedding

课时24

Positional Encoding 位置编码

课时25

Self Attention计算

课时26

多头注意力

课时27

Encoder Block

课时28

Masked Self Attention

课时29

终端输出

课时30

Transformer总结及训练

课时31

Transformer架构代码实现