课程大纲
第一阶段 从PyTorch起步掌握DL基础 第一课 深度学习回顾与PyTorch简介
知识点1： 知识点：神经网络模型回顾（线性层，非线性激活函数，SoftMax），用PyTorch定义神经网络模型
知识点2： 知识点：损失函数，用PyTorch定义计算损失
知识点3： 知识点：反向传播算法，用PyTorch做反向传播
知识点4： 知识点：优化模型，PyTorch optimizer
实战项目： 实战项目：用PyTorch编写一个简单的分类器
第二课 词向量简介 知识点1： 知识点：词向量，word2vec
知识点2： 知识点：negative sampling
知识点3： 知识点：词向量的特性和应用
实战项目： 实战项目：用PyTorch训练词向量
第二阶段 利用pytorch处理常见的NLP、CV任务 第三课 语言模型 知识点1： 循环神经网络（RNN），LSTM, GRU
知识点2： 语言模型
实战项目： ElMo，BERT等预训练语言模型
实战项目： 用PyTorch训练语言模型
第四课 自然语言分类任务 知识点1： 词包(bag of words)模型
知识点2： 用PyTorch做迁移学习，finetune模型
实战项目： 文本情感分类项目
第五课 简单图片分类 知识点1： 知识点：卷积神经网络，用PyTorch定义卷积神经网络
知识点2： 知识点：使用PyTorch dataloader来高效读取数据
知识点3： 知识点：常用CNN架构, AlexNet, VGG, ResNet, DenseNet
实战项目： 实战项目：FashionMNIST 图像分类项目
第三阶段 pytorch实战NLP项目 第六课 图片风格迁移和GAN 知识点1： 知识点：图片风格迁移
知识点2： 知识点：生成对抗网络 (GAN)
实战项目： 实战项目：图片风格迁移项目和利用GAN生成图片
第七课 Seq2Seq与Attention 知识点1： 知识点：机器翻译
知识点2： 知识点：聊天机器人
实战项目： 实战项目：利用Seq2Seq+Attention模型训练一个翻译模型
第八课 问答系统 知识点1： 知识点：问答系统
知识点2： 知识点：大规模预训练语言模型
实战项目： 实战模型：训练一个问答系统
