本课程是大数据学院本科生专业选修课程。主要目的是让学生掌握深度学习的基础知识、掌握应用深度学习解决实际应用问题的方法。

本课程主要讨论深度学习的算法及其在计算机视觉、自然语言处理、图分析挖掘、推荐系统中的应用。具体内容包括：深度前向网络、深度学习中的最优化技术、深度学习中的正则化技术、深度卷积网络、循环神经网络、注意力机制、图神经网络、生成网络、无监督学习等。该课程将理论和实践紧密结合，在夯实学生的理论分析能力同时，锻炼学生的动手实践能力。

教学内容与水平

王皓老师的《深度学习导论》课程着重理论讲解，进度较慢，实验内容从传统模型到热点模型（如MLP、CNN、GCN、LLM），帮助学生们广泛接触AI/ML/DL领域。课堂教学与实验之间存在较大gap，需要学生主动利用外部资源。

作业与实验

实验难度较大，报告折磨，但动手实践能学到不少。前期实验有参考资源，后期实验如GCN、LLM需自己动手，部分同学反映“过于离谱”。

考试与给分

课程无期末考试，通过实验、竞赛、报告综合评估。评分机制较为友好，努力完成各项任务能得到高分。点名频率不高，部分活动有免费计算资源。

选课建议

尽早修读课程有助于掌握深度学习前沿，适合具备一定编程能力且愿意自学能力较强的同学。没有深度学习代码经验的同学需评估自身解决问题的能力，以免压力过大。