一、学习目标
1.了解深度学习的发展历程
2.认识深度学习的基本概念和算法
3.学习深度学习的主要应用
二、深度学习的发展
发展一图：
其中，最主要的节点为：
M-P模型：其模拟了一个神经元的工作过程；
Hopfield模型：最初的卷积神经网络；
反向传播算法：解决了线性不可分问题，使得模型能够收敛。
RNN和LSTM：NLP上的两大重要模型。
Transformer：提出注意力机制，相当于在RNN类的模型中加入了卷积因素，为大模型提供了基础。
ChatGPT：现象级的语言大模型。
三、深度学习基本概念
1.三者概念
人工智能是指所有的人工技术制造出来的智能体。
机器学习是其中一种实现的技术，其特点在于让机器从数据中寻找规律和特征，然后使用规律对未知数据进行预测。
深度学习则是机器学习中的一种方法，其特点在于模拟人的神经结构设计了神经网络来进行学习。
2.经典算法与网络
四、应用
主要的应用有：视觉类、语音类、语言类、多模态。
1.视觉类
基础任务：
高级任务：
2.语音类
3.语言类
4.多模态类
五、总结
了解深度学习的历史、著名算法结构、应用。