UCL- Comp0197应用深度学习课程旨在向学生介绍深度学习方法,并通过现代开发工具提供深度学习应用的实践经验。
本课程的目标是:
让学生了解深度学习的关键概念和方法论。
提供对在现实世界应用中使用的深度学习技术的概述。
培养学生传达相关概念并正确使用技术和科学术语的能力。
帮助学生开发用于计算机视觉和自然语言处理应用程序的基本神经网络。
提供关于深度神经网络的开发、验证和部署的知识,以及深度学习研究与已应用的研究之间的区别。
成功完成本模块后,学生将能够:
理解深度学习中的关键概念和方法论。
应用深度学习技术解决现实世界应用中的问题。
传达相关概念并正确使用技术和科学术语。
开发基本的神经网络用于计算机视觉和自然语言处理应用程序。
确定深度学习研究与已应用的研究之间的区别,并理解后者的实际挑战。
关注最近的深度学习研究发展和方向。
该课程涵盖以下主题:
深度神经网络体系结构及其培训策略的系统概述。
设计卷积神经网络和循环神经网络的详细方法。
开发、正则化和评估基于神经网络的应用程序的详细方法。
计算机视觉任务的实践教程,包括图像分类、分割和检测。
自然语言处理的实践教程,包括文本和语音处理和分析。
要有资格选择该模块作为可选或选修课程,学生必须:
具备本科数学的基本知识,包括微积分、线性代数和概率论。
具备强大的编程能力。
具备使用Python和TensorFlow以及PyTorch的经验。
具备机器学习或监督学习的介绍,或者能够展示同等的经验。
该模块提供了深度学习的介绍,因此不需要先前的深度学习经验。然而,对深度学习更理论和数学方面的先验知识将有助于理解课程中的应用方面。
如需了解有关UCL-应用深度学习课程辅导以及其他英国课程辅导的详细信息,请随时咨询DR.D留学生辅导机构。