主题
课程章节总览
全书与本课程分为三个部分：机器学习基础打地基，基础模型讲清楚现代深度学习最常用的网络结构与训练技巧，进阶模型介绍概率视角下的深度模型与强化学习、序列生成等专题。
每一章页面包含：
- 学习目标：读完本章应该掌握什么；
- 课件幻灯片：课堂使用的全部幻灯片，可在线翻页、全屏，也可下载 PDF；
- 讲义：根据课件与教材整理的中文讲义，包含关键定义、公式推导和算法；
- 本章小结与思考题 / 习题；
- 延伸阅读：教材、官方实践代码与相关资料。
一机器学习基础 机器学习的基本概念、三要素与线性模型，为后续神经网络打基础。
二基础模型 前馈、卷积、循环网络，网络优化与正则化，注意力与记忆，以及无监督学习与模型独立的学习方式。
三进阶模型 概率图模型、玻尔兹曼机与深度信念网络、深度生成模型、深度强化学习与序列生成模型。
版本说明
本课程课件对应教材第一版（2020）的章节编排。作者正在修订的第二版（见 nndl.ai）调整了部分章节顺序，例如新增“图神经网络”“大语言模型与智能体”，深度强化学习前移至第 12 章。各章页面底部注明了第二版中的对应章节。