第0节，深度学习与机器学习

深度学习项目班关键在深度学习

1，多层神经网络，多层感知机。

2，python基本操作，环境搭建。 Pytorch介绍。

3，深度学习解决回归任务。 回归代码实战： 新冠人数预测。（目标是看懂一个深度学习项目，模型保存，预测，训练集和验证集划分，测试集评估。 ）

4，图片分类任务。卷积神经网络介绍。经典卷积神经网络。

5，图片分类任务实战，食物分类任务。（迁移学习，图片增广， 目标学会写一个项目）

6， 深度学习与特征的关系，为后面内容做铺垫。

7，NLP任务介绍，（RNN,LSTM简单介绍）。 主要为介绍self-attention机制与bert模型代码讲解。(无 监督和自监督将在这一章节介绍。)

8，BERT实战，文本情感分类任务。

9 ，初识生成任务，认识生成任务项目代码。

10，ViT模型与多模态任务， 大模型简介

如何开始深度学习？

step1:定义一个模型 ---> step2:定义一个合适的损失函数---> step3:根据损失对模型进行优化