这门课解决什么工作场景？

对于想从传统机器学习转行深度学习，或者想系统掌握《深度学习》（花书）核心概念的职场人来说，这门课解决的是“理论落地难”和“自学路径混乱”的问题。它不是泛泛而谈的 AI 基础，而是直接对标 Goodfellow 的《深度学习》教材，专门针对工程落地和科研需求设计。课程重点覆盖了从线性代数、概率论等数学基石，到逻辑回归、SVM 等传统算法，再到深度前馈网络、卷积网络（CNN）和循环神经网络（RNN/LSTM）的完整技术栈。通过它，你可以解决实际工作中数据建模、模型架构设计以及处理序列数据（如 NLP）时的技术痛点。

适合什么基础？建议先看哪几块？

这门课对基础有一定要求，适合已经掌握 Python 编程，并了解机器学习基本流程（如过拟合、欠拟合概念）的转行者和上班族。如果你对数学感到吃力，建议先从“第一周：概率与信息论，数值计算”中的极大似然估计和“第二周：机器学习算法基本概念”入手，先建立数学直觉。学习路径上，不要急于跳到复杂的 RNN 或 LSTM，应先扎实打好“线性代数”和“贝叶斯统计”的底子，再逐步深入到“第四周：前馈神经网络架构设计”。资料包中的 PPT 课件（如《机器学习基础》、《深度前馈网络》）是很好的辅助，建议在观看视频时对照阅读，以加深对公式推导的理解。

学完能独立做什么？资料怎么配合练习？

学完这套体系后，你将具备独立搭建和优化深度神经网络模型的能力。你不仅能理解 CNN 在图像处理中的应用，还能掌握 RNN 及其变体 LSTM 在序列数据分析中的原理与实现。对于资料的使用，不要只看视频，要结合“课件 PPT”中的公式推导进行复盘。例如，在研究“卷积函数变体”或“RNN 反向传播”时，建议先在 PPT 上推导一遍算法逻辑，再对照视频讲解理解并行计算的优势。资料包中的答疑视频（如第四周直播）是解决实战中卡点的高价值资源，遇到模型训练不收敛或参数调优困难时，可以针对性回看，确保从理论到实践的无缝衔接。

课程目录

📁 22 第七周：RNN反向传播与并行计算
RNN反向传播与并行计算.mp4 [68.9 MB]
📁 课件PPT
第二周和第三周：机器学习基础【资源精选‖更多关注：CunworkNotes】.pdf [4.6 MB]
第一周：数学基础(修正版）.pdf [1.6 MB]
第五周深度模型的优化.pdf [5.2 MB]
第四周：深度前馈网络.pdf [2.9 MB]
第九周：实际工作中的一些高级技术2.0.pdf [1.5 MB]
第六周：第九章卷积网络2.0.pdf [3.1 MB]
第五周：深度学习中的正则化.pdf [3.0 MB]
第七、八周：第十章循环神经网络.pdf [3.1 MB]
📁 07 第三周：LDA与SVM算法
LDA.mp4 [82.5 MB]
SVM.mp4 [125.9 MB]
📁 02 第一周：概率与信息伦，数值计算
有约束最优化【不易整理‖请关注：CunWorkNoteS】.mp4 [79.9 MB]
极大似然估计.mp4 [36.0 MB]
无约束最优化.mp4 [146.4 MB]
📁 01 第一周线性代数
PCA.mp4 [42.5 MB]
伪逆矩阵最小二乘.mp4 [38.7 MB]
矩阵对角化以及SVD分解.mp4 [90.3 MB]
资料下载.doc [31.5 KB]
📁 04 第二周 机器学习算法基本概念
机器学习算法基本概念【不易整理‖请关注：CunWorkNoteS】.mp4 [46.1 MB]
过拟合欠拟合超参数验证集【持续更新‖免费提供：CunworknoteS】.mp4 [55.6 MB]
估计、偏差和方差.mp4 [23.0 MB]
机器学习算法基本概念.doc [51.5 KB]
📁 12 第四周：直播答疑日
第四周：直播答疑日【持续更新‖免费提供：CunworknoteS】.mp4 [918.6 MB]
📁 11 第四周：前馈神经网络架构设计 反向传播、
前向后向算法、.mp4 [95.6 MB]
📁 24 第八周：lstm
lstm.mp4 [92.5 MB]
📁 21 第七周：RNN概念&前向传播
RNN概念&前向传播【优质资源‖关注：cunWorkNotes 解锁】.mp4 [96.4 MB]
📁 05 第二周 贝叶斯统计与逻辑回归
逻辑回归【更多精选‖公众号：CunWorknotes】 .mp4 [65.2 MB]
贝叶斯统计【公重号：CunWorkNotes】.mp4 [24.2 MB]
📁 19 第六周：卷积函数变体
lenet alexnet【更多精选‖公众号：CunWorknotes】 .mp4 [134.7 MB]
vggnet googlenet【公重号：CunWorkNotes】.mp4 [174.0 MB]
📁 18 第六周：卷积神经网络基础
cnn前向后向【更多精选‖公众号：CunWorknotes】 .mp4 [124.1 MB]
局部感知权值共享.mp4 [143.3 MB]
📁 03 第一周：本周学习任务简单总结
03 第一周：本周学习任务简单总结【资源精选‖更多关注：CunworkNotes】.doc [100.5 KB]
📁 27 第九周：推理加速、训练加速
推理加速.mp4 [156.4 MB]
训练加速.mp4 [46.8 MB]
📁 25 第八周：gru
gru.mp4 [75.4 MB]
📁 17 第五周：直播答疑
直播答疑.mp4 [521.0 MB]
📁 10 第四周：前馈神经网络损失函数
激活函数损失函数【不易整理‖请关注：CunWorkNoteS】.mp4 [114.8 MB]
前馈神经网络结构表达能力.mp4 [82.6 MB]
📁 09 第三周：本周学习任务简单总结
08 第三周：本周学习任务简单总结【资源精选‖更多关注：CunworkNotes】.doc [455.5 KB]
📁 26 第八周：本周任务简单总结+直播答疑日
直播答疑.mp4 [84.0 MB]
任务总结.docx [195.9 KB]
📁 15 第五周：深度模型中的优化
第五周：深度模型中的优化【持续更新‖免费提供：CunworknoteS】.mp4 [294.9 MB]
📁 20 第六周：本周任务简单总结+直播答疑日
答疑.mp4 [776.5 MB]
第六周：本周学习任务简单总结.docx [15.1 KB]
📁 14 第五周：范数惩罚正则化
范数惩罚正则化.mp4 [92.4 MB]
数据增强bagging dropout.mp4 [110.7 MB]
📁 28 第九周：自适应和gan
28 第九周：自适应和gan【优质资源‖关注：cunWorkNotes 解锁】.mp4 [38.7 MB]
📁 08 第三周：随机梯度下降
决策树.mp4 [80.4 MB]
📁 06 第二周：本周学习任务简单总结
第二周：本周学习任务简单总结.docx [13.4 KB]
📁 16 第五周：本周学习任务简单总结
总结.docx [73.3 KB]
📁 00【学前准备】开营仪式，认识群内的小伙伴
看开营仪式，了解学习模式.docx [14.7 KB]
深度输出活动.docx [56.9 KB]
📁 13 第四周：本周学习任务简单总结
第四周：本周学习任务简单总结.docx [14.7 KB]
📁 29 第九周：本周学习任务简单总结
第九周：本周学习任务简单总结.docx [13.4 KB]
📁 23 第七周：本周学习任务简单总结
第七周：本周学习任务简单总结.docx [15.1 KB]