COMP9444

神经网络与深度学习

课程定位 COMP9444 是 UNSW 计算机硕士专业在‘现代人工智能’维度的绝对王牌必修/核心课。它解决了统治这个时代的终极算法命题：如何利用多层非线性网络模拟人类大脑？如何让机器学会理解语言、生成图像？它是通往深度学习算法工程师、大模型研发专家、及顶级 AI 研究员岗位的实战通行证。它将高深的随机梯度下降、反向传播算法与现代 PyTorch 框架深度整合，是培养‘具备底层原理洞察力的 AI 架构师’的必修课。 技术栈与学习内容 课程围绕‘联结主义 AI 与特征学习’展开。核心技术栈包括：Python、PyTorch 框架、Numpy 以及 GPU 加速计算。学习内容涵盖：感知机与多层感知机 (MLP)、最具工业地位的‘反向传播 (Backpropagation) 算法推导’、卷积神经网络 (CNN) 及其在视觉中的应用、循环神经网络 (RNN/LSTM/GRU) 及其在序列建模中的作用、以及最为前沿的‘注意力机制 (Attention) 与 Transformer’。此外，课程深入探讨了生成模型（VAE, GAN）。学生将学习如何从零开始构建并训练深层网络。课程强调‘梯度流的稳定性与过拟合的数学治理’。 课程结构 10 周理论高强度输出与两个极具挑战的深度学习项目结合。评估体系完全对接 AI 工业界：包含针对基础网络实现的每周 Lab、一个要求解决复杂非结构化数据（如情感分析或复杂图像分类）的 Major Project、以及一场强调数学推论、激活函数导数分析及架构设计能力的期末综合大考。该课极其强调‘权重更新的物理图像’。 适合人群 计算机硕士、或打算转行进入深度学习领域的理工科生。必须具备扎实的线性代数、概率论与 Python 编程基础。如果你想搞清楚‘ChatGPT 是如何训练出来的’、或者渴望在未来的 AGI 浪潮中建立核心技术主权，这门课是你的神功。建议每周投入 20-25 小时进行模型迭代与调参。