課程簡介

覆蓋了深度學(xué)習(xí)、強化學(xué)習(xí)和大模型的基本概念，并從理論到應(yīng)用逐步展開，旨在幫助學(xué)生建立全面的理解。

目標(biāo)收益

培訓(xùn)對象

課程內(nèi)容

第一部分：深度學(xué)習(xí)基礎(chǔ)（3小時）
一，深度學(xué)習(xí)簡介 (30分鐘)
1.什么是深度學(xué)習(xí)？
2.深度學(xué)習(xí)的歷史背景和發(fā)展
3.深度學(xué)習(xí)與傳統(tǒng)機器學(xué)習(xí)的區(qū)別
二，神經(jīng)網(wǎng)絡(luò)基礎(chǔ) (1小時)
1.神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)（感知機、多層感知機）
2.激活函數(shù)（ReLU、Sigmoid等）
3.反向傳播算法
三，卷積神經(jīng)網(wǎng)絡(luò)（CNN） (1小時)
1.CNN的基本概念與原理
2.卷積層、池化層、全連接層
3.常見CNN架構(gòu)（如LeNet、VGG、ResNet）
四，訓(xùn)練與優(yōu)化 (30分鐘)
1.梯度下降與優(yōu)化方法（SGD、Adam等）
2.正則化與避免過擬合
第二部分：大模型與智能體（3小時）
一，大模型的挑戰(zhàn)與應(yīng)用 (1小時)
1.大模型的定義與特點
2.GPT、BERT等大型預(yù)訓(xùn)練模型的架構(gòu)與應(yīng)用
3.DeepSeek 的推理模型
4.CLIP跨模態(tài)大模型
5.訓(xùn)練大模型的技術(shù)挑戰(zhàn)（計算資源、數(shù)據(jù)等）
二，智能體與強化學(xué)習(xí) (1小時)
1.強化學(xué)習(xí)基本概念：獎勵、策略、值函數(shù)
2.Q-learning與深度Q網(wǎng)絡(luò)（DQN）
訓(xùn)練智能體的環(huán)境與算法