课程号：00103335
课程名称：深度学习与强化学习
开课学期：秋季
学分：3
先修课程：概率论、数理统计/统计学习/机器学习
基本目的：深度学习与强化学习是近年来人工智能取得重大突破的核心技术，是极为成功和得到广泛应用的机器学习方法。在对机器学习的一般原理和方法已有初步了解的基础上，本课程将从一些重要的应用问题出发，介绍深度学习与强化学习的基本概念和方法、数学基础和理论、优化算法和应用案例等。
内容提要：
第一部分：引言
应用问题（2学时）；机器学习基础（2学时）
第二部分：深度学习
深度学习的基本概念（2学时）；前馈神经网络（3学时）；深度学习的正则化（3学时）；深度学习的优化（3学时）；卷积神经网络（3学时）；循环神经网络（3学时）；自编码器与生成模型（3学时）；应用案例（2学时）
第三部分：强化学习
强化学习的基本概念（2学时）；多臂赌博机（3学时）；马尔可夫决策过程（3学时）；动态规划（3学时）；蒙特卡洛方法（3学时）；时间差分学习（3学时）；深度强化学习（3学时）；应用案例（2学时）
教学方式：课堂讲授，每周3学时
教材与参考书：
1. Goodfellow, I., Bengio, Y. and Courville, A. (2016). Deep Learning. MIT Press.
2. Sutton, R. S. and Barto, A. G. (2018). Reinforcement Learning: An Introduction (2nd ed.). MIT Press.
3. Stevens, E., Antiga, L. and Viehmann, T. (2020). Deep Learning with PyTorch. Manning.
4. Powell, W. B. (2022). Reinforcement Learning and Stochastic Optimization: A Unified Framework for Sequential Decisions. Wiley.
学生成绩评定方法：平时作业20%，期中考试40%，大作业40%。
课程修订负责人：林伟