跳到主要内容

MIT 6.7960 深度学习

课程名称： Deep Learning
官方入口： MIT Course Catalog
课程层级： 研究生进阶
先修要求： 概率、线性代数、一门机器学习课
重要程度： ※※※※☆

课程定位​

MIT 官方对 6.7960 的描述非常清楚：它讲深度学习的基础理论和应用，包括 MLP、CNN、RNN、图网络、Transformer、自动微分、学习理论和高维泛化。也就是说，这门课不是单点模型课，而是一门比较完整的现代深度学习总览。

核心内容​

  • 神经网络架构与归纳偏置
  • 反向传播与自动微分
  • 高维学习中的泛化和理论视角
  • 图网络、Transformer 等现代结构
  • 在视觉、语言、机器人中的应用

MIT 风格体现​

这门课很重视几何、对称性、表示结构和理论解释。相比更偏应用的深度学习课，MIT 的版本会更强调“结构为什么这样设计、训练过程为什么稳定或不稳定”。

适合谁​

  • 已经有 ML 基础，希望系统进入现代 DL
  • 对模型结构和理论解释都感兴趣
  • 后续准备学习 6.4300、6.8611 或机器人方向