Coursera Flash Sale
40% Off Coursera Plus for 3 Months!
Grab it
在多模态数据融合时代，掌握深度学习技术是突破瓶颈的关键。本课程带你掌握核心方法，挖掘多模态数据价值，提升人工智能技术应用竞争力。
Get 35% Off CFI Certifications - Code CFI35
Power BI Fundamentals - Create visualizations and dashboards from scratch
Overview
Syllabus
- 课程介绍
- 课程介绍
- 第一章
- 1.1 深度学习概述
- 1.2 基于多模态数据的深度学习案例
- 1.3 深度学习框架与工具
- 第二章
- 2.1 背景介绍及语音模态处理方法
- 2.2 文本模态数据处理方法
- 2.3 图像模态数据处理方法
- 2.4 多模态数据特征对齐
- 2.5 多模态数据特征融合
- 第三章
- 3.1 神经网络基础
- 3.2 多层神经网络
- 3.3 深度模型训练基础
- 第四章
- 4.1 图像与卷积操作基础
- 4.2 卷积神经网络的结构
- 4.3 经典CNN结构
- 第五章
- 5.1 图神经网络基础
- 5.2 图神经网络模型
- 5.3 图神经网络应用与展望
- 第六章
- 6.1 时间序列数据的介绍和特性
- 6.2 循环神经网络
- 6.3 长短记忆神经网络
- 6.4 seq2seq基础知识
- 6.5 seq2seq模型介绍与训练流程
- 6.6 seq2seq模型测试过程与改进
- 第七章
- 7.1 自注意力
- 7.2 多头注意力
- 第八章
- 8.1 Transformer编码器
- 8.2 Transformer解码器
- 8.3 Transformer源码解读
- 8.4 Transformer预训练
- 8.5 Transformer微调
- 第九章
- 9.1 大语言模型基础
- 9.2 大语言模型提示工程
- 9.3 大语言模型训练
- 第十章
- 10.1 多模态（1）
- 10.2 多模态（2）
- 10.3 多模态（3）
- 期末考试
Taught by
Jun Wang, Hui Xiao, Tai-Xiang Jiang, Jie Xiong, Yang Zhang, Jinghua Tan, Dapeng Zhang, Jiaquan Yao, Pang Xianwei, WangChao, and Wang Tingting
