课程列表
13 / 1301020304050607080910111213
AI、机器学习与深度学习
区分任务、模型与学习方法，建立全局框架。
语言模型：概率、训练与生成
从下一词元的概率，理解完整回答的生成过程。
特征、参数与超参数
明确哪些量来自输入，哪些量在训练中改变。
梯度下降与反向传播
从预测误差出发，推导各参数的梯度与更新。
泛化、过拟合与模型评估
从训练拟合走向新数据，理解泛化与评估。
图像的张量表示与数值变换
明确空间轴、通道与数值编码的含义。
卷积与方向边缘响应
逐项计算卷积核如何响应局部边缘。
从固定特征到可训练卷积网络
把特征提取纳入优化，理解端到端训练。
非线性、深度与残差连接
分析非线性、网络深度与残差路径的作用。
张量形状、参数量与计算成本
计算输出形状、参数数量与运算成本。
压缩、重建与通道瓶颈
区分编码约束、空间缩减与通道瓶颈。
升维、非线性变换与投影
通过更宽的中间层构造非线性函数。
词元嵌入与上下文表示
连接离散词元、向量表示与上下文计算。