深度学习理论与实践

程宏

目录

  • 1 学习指南
    • 1.1 课程纲要信息
    • 1.2 软件安装方法
  • 2 ChatGPT的简介与应用
    • 2.1 对ChatGPT的常见误解
    • 2.2 ChatGPT背后的关键技术-预训练
    • 2.3 ChatGPT带来的研究问题
    • 2.4 第1次课教案
    • 2.5 课后作业1
  • 3 深度学习概述
    • 3.1 深度学习基础概念讲解与讨论
    • 3.2 深度学习应用场景探索
    • 3.3 第2次课教案
    • 3.4 课后作业2
  • 4 线性回归及Softmax回归
    • 4.1 数学基础知识
    • 4.2 线性回归模型
    • 4.3 Softmax回归模型
    • 4.4 第3次课教案
    • 4.5 课后作业3
    • 4.6 课后资源
  • 5 感知机（神经网络）模型的数学基础与实现
    • 5.1 感知机（神经网络）模型
    • 5.2 前向传播与反向传播算法
    • 5.3 第4次课教案
    • 5.4 课后作业4
    • 5.5 课后资源
  • 6 神经网络的优化方法与技巧
    • 6.1 A-神经网络的优化方法与技巧
    • 6.2 B-神经网络的优化方法与技巧
    • 6.3 第5-6次课教案
    • 6.4 课后作业
  • 7 卷积神经网络（CNN）原理与应用
    • 7.1 卷积神经网络（CNN）原理与应用（A）
    • 7.2 卷积神经网络（CNN）原理与应用（B）
    • 7.3 第7-8次教案
    • 7.4 文献：ResNet（自习）
    • 7.5 文献：UNet（自习）
    • 7.6 文献：EfficientNet（自习）
    • 7.7 文献：MobileNet 系列（自习）
    • 7.8 文献：YOLO 系列（自习）
    • 7.9 工程：Ultralytics YOLO Vision
    • 7.10 工程：人脸识别（自习）
    • 7.11 文献：The world is your green screen（自习）
    • 7.12 工程：Mask RCNN
  • 8 循环神经网络（RNN）原理与应用
    • 8.1 循环神经网络（RNN）原理与应用（A）
    • 8.2 循环神经网络（RNN）原理与应用（B）
    • 8.3 文献：WaveNet（自习）
    • 8.4 文献：Google speech to text（自习）
    • 8.5 工程：Mocking bird（自习）
  • 9 注意力机制及其应用（自习）
    • 9.1 文献：Attention Is All You Need
    • 9.2 文献：GPT 系列
    • 9.3 文献：ViT
    • 9.4 文献：Swin Transformer
  • 10 深度学习的应用与案例分析
    • 10.1 案例：外币汇率预测
    • 10.2 参考文献
  • 11 项目实践（课程论文）
    • 11.1 数据采集工具
    • 11.2 课程考核（标准及要求）
    • 11.3 参考文献
参考文献

  1. Yeldho, N., Thomas, D., Kurian, V.G., Arathy, C. and Biju, A.V.N., 2024. Are machine learning models effective in predicting emerging markets? Investigating the accuracy of predictions in emerging stock market indices. Quality & Quantity, pp.1-66.


  2. Huang, J., Chai, J. and Cho, S., 2020. Deep learning in finance and banking: A literature review and classification. Frontiers of Business Research in China, 14(1), p.13.

  3. Ozbayoglu, A.M., Gudelek, M.U. and Sezer, O.B., 2020. Deep learning for financial applications: A survey. Applied soft computing, 93, p.106384.

  4. Ghoddusi, H., Creamer, G.G. and Rafizadeh, N., 2019. Machine learning in energy economics and finance: A review. Energy Economics, 81, pp.709-727.

  5. Hu, R. and Peng, S., 2023. Deep learning in finance. Digital Finance, 5(1), pp.1-2.

  6. Lee, S.I. and Yoo, S.J., 2020. Multimodal deep learning for finance: integrating and forecasting international stock markets. The Journal of Supercomputing, 76, pp.8294-8312.