深度学习

(张建国)CS3242024秋 2024春 2023春 2021春 2020春  
2024秋 2024春 2023春 2021春 2020春
9.3(7人评价)
  • 课程难度
    中等
  • 作业多少
    很少
  • 给分好坏
    超好
  • 收获大小
    很多
选课类别:专业任务 教学语言:英文
课程类别:专业选修课 开课单位:计算机科学与工程系
课程层次:本科 获得学分:3.0
课程主页:暂无(如果你知道,请点右上角“编辑课程信息”添加!)
课程简介(教工部数据)
This course provides an introduction to the field of deep learning, covering the main deep learning techniques from both a theoretical and practical point of view. Architectures that will be covered include Convolutional Neural Networks (CNNs), Recurrent Neural Networks (RNNs), Autoencoders, and Generative Adversarial Networks (GANs) The goal of the course is that of equipping students with the necessary skills to access the rapidly evolving field of deep learning. To this end lectures and labs will draw multiple links to both the Industry and state-of-the-art academic research, allowing the students to pursue a successful career in both directions. The practical elements of the course will be based on the PyTorch framework, a widely used open source Python framework for deep learning.


This course provides an introduction to the field of deep learning, covering the main deep learning techniques from both a theoretical and practical point of view. Architectures that will be covered include Convolutional Neural Networks (CNNs), Recurrent Neural Networks (RNNs), Autoencoders, and Generative Adversarial Networks (GANs) The goal of the course is that of equipping students with the necessary skills to access the rapidly evolving field of deep learning. To this end lectures and labs will draw multiple links to both the Industry and state-of-the-art academic research, allowing the students to pursue a successful career in both directions. The practical elements of the course will be based on the PyTorch framework, a widely used open source Python framework for deep learning.
点评写点评
排序学期
评分评分7条点评
user avatar   Bin     2024秋
  • 难度:中等
  • 作业:很少
  • 给分:超好
  • 收获:很多

计系精品课程。

理论课会有张老师激情四射的理论公式推导,思路很清晰,所以听起来很爽。

Assignment不做评价。

Project感觉给的要求不是很清晰,没搞懂评分标准。

期末考试占比40%,但是难度不大,我只复习了两天,很容易拿到90+ (也可能是助教海底捞感谢)。

诚推。

user avatar   Claudia     2024秋
  • 难度:中等
  • 作业:很少
  • 给分:一般
  • 收获:很多

平常事情不多,是上得很舒服的一门选修课。

老师上课的时候会激情写板书激情讲课,思路很流畅,感觉老师自己对深度学习有非常多深刻的理解。期末复习的时候感觉ppt的思路也很流畅,有完整的story telling。

Lab课是助教来上,讲得比较简单。

user avatar   アイス     2024秋
  • 难度:中等
  • 作业:很少
  • 给分:超好
  • 收获:一般

课程总体上难度不大,适合没有深度学习经验/希望从头开始系统学习深度学习的同学。课程涵盖了大部分经典的基于反向传播的神经网络算法(MLP、CNN、RNN、流形学习等),课件较为凌乱,但是也是比较好看懂的。

作业难度不是特别的大,主要就是用NumPy/Torch进行一些toy example的编写,但是可能因为今年换了助教的原因,报告的给分(或者说是评分细则)比较迷,会因为GAN“生成效果不好”扣分,一些写了五六页的报告也会说“不够详细”。

Project比较水,在Jetson Nano上做一个实时的AI demo即可,没有要求有指标提升,pre+展示的效果比较重要。

考试虽然占比较大,但是较为简单,主要是考一些概念,复习一两天可以考一个不错的分数。

我在GitHub上分享了repo,包含了我学习课程的所有资料,有需要的同学可以自行参考。

user avatar   Daniel_Chen     2024秋
  • 难度:中等
  • 作业:中等
  • 给分:超好
  • 收获:很多

很不错的课,建国老师很负责上课讲的真的很清楚 比隔壁CS303感觉从质量上来讲高很多。

三次assignment(15%*3)基本上可能都是接近满分?但是还是需要手搓一些模型 剩下的也就是调调参

Jetson nano项目(10%)比较简单 但是毕竟是硬件 总是有这些那些很无语的问题…

期末考试(40%)考的比较全面,但是很为计系同学考虑涉及到数学证明推理的题目其实挺少 难度的话其实不大,好好看看PPT然后最后一节复习课一定好好听! 应该不难拿不错的成绩

知识体系很清晰 涵盖Perceptron, MLP, CNN, RNN, AE, VAE, GAN等经典的深度学习模型 不过线性代数基础不好的(比如我)可能会有点理解难度

给分应该算不错吧,也不知道总体怎么样 但是貌似比前几学期的分数有所上升? 感觉有不少A的

user avatar   SAKN_701     2024秋
  • 难度:中等
  • 作业:很少
  • 给分:超好
  • 收获:很多

很好的课,和上学期的描述应该差不多~
【作业】三次拿满感觉没什么难度,论文用Latex写漂亮点+逻辑数据合理即可

【项目】相对其他项目(CPU/JAVA之类)应该算体量很小的,但是jetson nano刷机配环境包括开发板自身容易出的问题应该比较有挑战,这一块是队里一个大佬包揽了我不清楚细节,我负责的数据处理很简单,象征性爬虫一下+细致整理一下开源数据格式就好,答辩时感觉比较严格~开发板性能一般般所以一般在电脑上微调好直接部署下去

【考试】文综概念细节+BP计算题,感觉和南科大CS那个大的资源库里斯坦福CS230的不定项+简答题的内容比较像,有重合的题目,但要简单很多。难点应该是BP计算里矩阵维度容易混淆,其他考了的有比如RNN LSTM的区别、AE/VAE对比、BN的流程(要写公式)、CNN过滤器对几个维度的改变公式等,概念题较多。最后还问了Resnet-50有哪5个层之类的问题,需要对理论课PPT上的内容细节熟悉。代码题只有4分,考的是多层MLP 用pytorch nn 定义时给段代码找错误,例如Size不匹配之类。

【给分】感觉挺好的,三次作业没怎么花我的时间(挂机时长不算,第二次作业在云上要挂一会)没扣分(但不代表作业给分水,我报告写的美观程度比较卷)。项目没有Bonus但是认真做应该不会扣多少,最后我是总评3.94主要扣在期末BP算错+BN/Res的细节错误~感觉认真学拿到90+应该没有难度。这学期除了16周划重点没有听过课,考前预习PPT总时长大概每章1-2小时(BP部分建议额外花时间理解一下,最好亲手算一下,带上矩阵维度)。第二章数学部分看着吓人其实都没怎么考。不知道下学期风格是不是一致滴,张老师很有热情也很可爱,快来选!理论课PPT质量还是很高的,自学起来很爽~

 

 

user avatar   Brittany_Lewis     2024春
  • 难度:中等
  • 作业:中等
  • 给分:超好
  • 收获:很多

(同我导的课)

课程讲的东西相对还是比较少的,MLP、反向传播、CNN、RNN/LSTM、AE/VAE、GAN还有最后一节课讲了一点的GCN。平时就只有三次assignment,在一个给定的模版上实现一下课上讲的某些东西,既有手搓也有调包,总体难度不大,但是没有算力的话会很慢(课程会赠送华为☁️的算力)。期末的project是在jetson nano开发板上部署项目,总体来讲还是坑爹的,毕竟硬件…总是会有莫名其妙的问题。期末单选多选计算简答,堪称计算机中的文综,而且必须要用英语答题,不好好复习的同学有福了(不过助教海底捞爽的)。张老师上课很有激情讲的也还比较细,纯英文上课,英文有点口音但还算清楚;实验课王维语老师更是yyds,实验课也没有啥要干的活。总体来讲感觉很不戳的课

user avatar   Maystern     2024春
  • 难度:中等
  • 作业:很少
  • 给分:一般
  • 收获:一般

我导的课,要求感觉挺严格的,project虽然看起来划水,如果不好好做还是会被扣的比较惨的。

作业45%,大部分同学都被扣分了,project 15%也基本拿不了满分。

然后期末考试占40%,平均分75-80分,所以这门课极少部分同学能拿到A和A+

上课的内容的话,还是讲理论比较多,想要玩fancy的deeplearning模型的话,可能要选别的课。


teacher avatar

张建国

计算机科学与工程系

教师主页

其他老师的「深度学习」课

张建国老师的其他课