本课程面向初次接触深度学习的同学，偏重于实践，课程内容尽可能减少数学上的障碍，通过图解和代码解释深度学习工作的机制，以及代码的编写结构。
学习本课程需要的前置条件为：
- 具有使用
Python语言编程的能力。 - 拥有
线性代数和概率论与数理统计的基础
课程地址：PyTorch深度学习实践
课件的下载地址：
链接：百度网盘
提取码：wyhu
本课程包括以下章节：
- 深度学习概论
- 线性模型
- 梯度下降算法
- 反向传播
- 用
PyTorch实现线性回归 - 逻辑斯蒂回归
- 处理多维特征的输入
- 加载数据集
- 多分类问题
- 卷积神经网络（基础篇）
- 卷积神经网络（高级篇）
- 循环神经网络（基础篇）
- 循环神经网络（高级篇）