【极致中配】2026年麻省理工 MIT 6.S191：深度学习导论
MIT 深度学习导论，从神经网络基础讲到 CNN、RNN、Transformer、生成模型、强化学习与大语言模型，并延伸到 AI for Science 等前沿。
- 难度
- 难度 3/5 — 本科入门课，需一定编程与数学基础，节奏快覆盖广
- 适合人群
- 有编程与数理基础、想入门深度学习的本科生及从业者
- 前置要求
- Python 编程（实验环节需动手写代码）、线性代数（理解向量、矩阵与张量表示）、微积分（理解梯度与反向传播）、概率统计（生成模型与分类基础）
- 课程规模
- 8 讲 · 1941播放
主题覆盖
神经网络基础反向传播卷积神经网络计算机视觉循环神经网络Transformer 与注意力序列建模深度生成模型强化学习大语言模型AI 前沿AI for Science
课程大纲（8 讲）
- P1 · MIT Introduction to Deep Learning | 6.S19137 分钟
- P2 · MIT 6.S191: Recurrent Neural Networks, Transformers, and Attention43 分钟
- P3 · MIT 6.S191: Convolutional Neural Networks35 分钟
- P4 · MIT 6.S191: Deep Generative Modeling35 分钟
- P5 · MIT 6.S191: Reinforcement Learning39 分钟
- P6 · MIT 6.S191: Language Models and New Frontiers39 分钟
- P7 · MIT 6.S191: The Three Laws of AI33 分钟
- P8 · MIT 6.S191: AI for Science44 分钟
本课程卡由 AI 生成，可能存在误差，欢迎反馈。