教程

1. 什么是神经网络
   1. 深入神经元
   2. 神经网络如何模拟任意函数
   3. 为什么我们需要神经网络
2. 如何构造神经网络
   1. 全连接神经网络
   2. 使用图形工具设计神经网络
   3. 输出层的"激活函数"
3. 如何训练神经网络
   1. 学习的算法与原理
   2. 从零开始打造并训练神经网络
   3. 使用PyTorch重写代码
   4. 使用图形工具训练神经网络
4. 神经网络的若干重要问题
   1. 网络结构
   2. 过拟合
   3. 欠拟合
   4. 过拟合vs欠拟合
   5. 初始化
   6. 梯度消失与梯度爆炸
5. 卷积神经网络(CNN)
   1. 一维卷积
   2. 一维卷积实验
   3. 一维池化
   4. 一维CNN实验
   5. 二维CNN
   6. 二维CNN实验
6. 循环神经网络(RNN)
   1. 简单RNN
   2. Seq2seq, Autoencoder, Encoder-Decoder
   3. 高级RNN
   4. RNN分类实验
7. 自然语言处理
   1. Embedding: 将符号转换为数值
   2. 文本分类1
   3. 文本分类2
   4. TextCNN
   5. 实体识别
   6. 分词、词性标注与短语分块
   7. 序列标注实战
   8. 双向RNN
   9. BI-LSTM-CRF
   10. 注意力
8. 语言模型
   1. n-gram模型: Unigram
   2. n-gram模型: Bigram
   3. n-gram模型: Trigram
   4. RNN语言模型
   5. Transformer语言模型
9. 线性代数
   1. 向量
   2. 矩阵
   3. 深入矩阵乘法
   4. 张量