目录
00-01 课程安排
02 深度学习介绍
深度学习实际应用的流程
完整的故事
03 环境配置
00-01 课程安排
1. 学习了这门课，你将收获什么？
- 深度学习的经典和最新模型：LeNet，ResNet，LSTM，BERT；
- 机器学习基础：损失函数、目标函数、过拟合、优化；
- 学习使用Pytorch实现上述知识点。
2. 这门课的主要学习内容？
3. 有哪些学习资源？（点击即可跳转）
1. 课程主页
2. 课程教材
3. 课程论坛
4. Pytorch论坛
02 深度学习介绍
深度学习在如今是一个十分热门的领域，其中包含的两大主要方向就是我们课程关心的重点：计算机视觉和自然语言处理。
其实这张AI地图有点过时了，自然语言处理因为ChatGPT的出现，问题领域已经进阶到推理和知识了。
深度学习实际应用的流程
我们以广告点击为例，当我们点开一个APP时，映入眼帘的可能是几个广告，我们需要合理安排广告位置，得到最高的点击量，这就需要用到深度学习模型了：
从广告中提取出其相关特征，包括广告主、产品描述和产品图片，收集这些特征的相关数据，经过数学建模得到时间序列模型，即可使用它来预测未来这些广告的点击率。这些数据其实就是训练数据，将它们作为特征，也就是 x-y 方程中的 x ，将用户点击的数据作为 y，得到的方程就是我们的深度学习模型。
完整的故事
上面解释的是深度学习训练和预测的过程，在实际应用中，完整的故事应该是这样的：
领域专家提供该领域相关的数据和专业知识，数据科学家整合数据建立深度学习模型，AI专家对已经建立的模型进行调整，从而优化预测结果。三者不一定分开，也可以是同一个人。
03 环境配置
我的安装路线如下：
1. 安装 anaconda：Anaconda | The World’s Most Popular Data Science Platform
2. 根据教材中的安装部分，安装PyTorch版深度学习框架和d2l软件包：安装 — 动手学深度学习 2.0.0 documentation (d2l.ai)
3. 在 conda prompt 中，输入jupyter notebook ，即可在浏览器打开，接下来在网页中可以看见电脑的根目录，之后在右边偏上new一个新的folder，也就是文件夹，改一个好记的名字（建议a开头，好找），进入这个文件夹，再new一个python文件即可，以后可以每节课new一个python文件；
4. 在jupyter里，python文件可以可以直接运行，而且运行的是一个代码块，只需要记住两个快捷命令：
control + enter ：运行
shift + enter：新增代码块
