本课程是计算机科学与技术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:  深度学习的基本概念、深度卷积网络、循环神经网络、Transformer、Diffusion生成模型、大语言模型、思维链与上下文学习等。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。

教学内容与质量

《深度学习原理与实践》课程涵盖计算机视觉（CV）和自然语言处理（NLP）的经典场景，实验采用具有工程性但有人认为是"玩具"的RAG系统。授课内容与实验关联不大，但质量较高。课程设计实验为主，课程实际内容简单明了，适合想获得学分的学生。

实验与项目要求

课程包含四个主要实验，分别涉及CNN图像分类、BERT文本分类、RAG系统设计和Kaggle竞赛。实验被认为“老套”，工作量大，尤其是实验三存在下载和测试复杂的问题。实验给的时间较长，但文档简陋、要求多且不够清晰。

考核与评分

课程无考试，实验占主要评分部分。有频繁的小测，每次一分。给分引发争议，有人认为“不建议选课；有这时间不如睡觉💤”，给分偏低且缺乏反馈，选修课没有考试但实验量大。

建议与改进

建议优化实验安排、减少下载要求，并简化测试步骤。总体来看，实验需要更合理的设计和反馈，以提高学生的实际收获。