深度学习基础课：课程介绍

大家好~我开设了“深度学习基础班”的线上课程，带领同学从0开始学习全连接和卷积神经网络，进行数学推导，并且实现可以运行的Demo程序

线上课程资料：
本节课录像回放
扫码加QQ群，获得ppt等资料，与群主交流讨论：

本系列文章为线上课程的复盘，每上完一节课就会同步发布对应的文章

本文为第一节课：课程介绍的复盘文章

本课程系列文章如下所示：

• Real-time Neural Radiance Caching for Path Tracing论文中，提出了使用深度学习实现辐照度缓存，从而加快路径追踪的渲染速度
  • 高清分辨率的纹理

  在NeuMIP: Multi-Resolution Neural Materials论文中，提出了使用深度学习实现高清分辨率的纹理

  技术栈

  • Rescript
    Rescript以前叫Reasonml，它跟Typescript类似，都属于编译到Javascript的语言
    Rescript是从Ocaml而来，基于函数式编程范式，高度优化了编译后的Javascript，性能非常好，非常适合像深度学习这种处理数据的场景
    Rescript的学习资料为：
    官方文档

  课程特色

  • 零基础上手学习
  • 从0开始
  • 进行数学推导
  • 实现可以运行的Demo程序

  学员收益

  • 掌握深度学习的数学推导
  • 获得深度学习的实战经验
  • 了解深度学习在图形学中的应用

  课程大纲

  本课程从0开始，不使用任何框架，重点学习在“图像识别”、“降噪”领域的应用

  课程内容包括：

  • 课程介绍
  • 实现“判断性别”Demo
  • 推导前向传播和梯度下降
  • 基于全连接层实现“识别手写数字”Demo
  • 基于卷积神经网络实现“判断性别”Demo
  • 基于卷积神经网络实现“识别手写数字”Demo
  • 实现优化算法
  • 实现LeNet
  • 实现AlexNet
  • 实现图像识别Demo
  • 实现多个Backend
  • 基于卷积神经网络实现“降噪”Demo

  相关的学习资源

  • 深度学习如何入门？
  • 零基础入门深度学习
  • 深度学习
  • 《动手学深度学习》
  • 吴恩达深度学习视频
  • Neural Networks and Deep Learning