深度学习是机器学习的一个重要分支，是研究如何从已观测到的数据中学习到有用的知识和信息，从而对未来进行精确预测的一门学科。深度学习是一门数据科学，有机地融合了概率论、统计学、信息论、最优化理论等多个学科，是一门理论性和实用性都很强的课程。

本课程以主流深度学习框架为重点，在注重基础理论和基本方法的同时，强调应用中的问题和实际解决方案，并介绍相关研究的最新进展。课程内容主要包括以下三个部分：

1. 数学基础回顾。主要介绍和回顾概率论、线性代数和大规模优化算法的相关知识。
2. 深度学习。主要介绍卷积神经网络，循环神经网络，生成对抗网络，图神经网络，一些特殊的网络结构，神经网络的常用训练方法，深度学习常用的软硬件平台及其主要应用场景等。
3. 深度学习应用。主要介绍深度学习在自然语言处理、计算机视觉、网络嵌入、推荐系统等领域的应用和研究进展