课程简介
覆盖了深度学习、强化学习和大模型的基本概念，并从理论到应用逐步展开，旨在帮助学生建立全面的理解。
目标收益
1，掌握深度学习基础理论与核心概念
2，了解大模型技术挑战与应用场景
3，学习智能体与强化学习的关键技术
培训对象
课程内容
第一部分：深度学习基础（3小时）
一，深度学习简介 (30分钟)
1.什么是深度学习？
2.深度学习的历史背景和发展
3.深度学习与传统机器学习的区别
二，神经网络基础 (1小时)
1.神经网络的基本结构（感知机、多层感知机）
2.激活函数（ReLU、Sigmoid等）
3.反向传播算法
三，卷积神经网络（CNN） (1小时)
1.CNN的基本概念与原理
2.卷积层、池化层、全连接层
3.常见CNN架构（如LeNet、VGG、ResNet）
四，训练与优化 (30分钟)
1.梯度下降与优化方法（SGD、Adam等）
2.正则化与避免过拟合
第二部分：大模型与智能体（3小时）
一，大模型的挑战与应用 (1小时)
1.大模型的定义与特点
2.GPT、BERT等大型预训练模型的架构与应用
3.DeepSeek 的推理模型
4.CLIP跨模态大模型
5.训练大模型的技术挑战（计算资源、数据等）
二，智能体与强化学习 (1小时)
1.强化学习基本概念：奖励、策略、值函数
2.Q-learning与深度Q网络（DQN）
训练智能体的环境与算法
近期公开课推荐