MOOC
课程中心
直播

@2025在线学习平台,版权所有
人工智能与深度学习系统
人工智能与深度学习系统
0人在学总课时:240
lisi

本课程深入探讨人工智能与深度学习系统的设计原理、实现方法和前沿应用。课程涵盖神经网络理论基础、深度学习框架开发、分布式训练系统、模型部署优化等核心技术。通过理论讲解与动手实践相结合,学生将掌握TensorFlow/PyTorch底层机制,并完成从模型设计到生产部署的全流程项目。本课程获教育部'金课'认证,与多家AI实验室合作提供实践平台。

课程章节

深度学习系统概述(AI系统发展史、现代深度学习框架架构)
AI系统发展史(AI系统发展史)
现代深度学习框架架构(现代深度学习框架架构)
自动微分原理(计算图构建、反向传播算法实现)
计算图构建(计算图构建)
反向传播算法实现(反向传播算法实现)
计算图优化(算子融合、常量折叠、内存优化)
分布式训练系统(数据并行vs模型并行、AllReduce算法)
硬件加速设计(GPU架构、TPU设计原理、定制化AI芯片)
GPU架构(GPU架构)
模型压缩技术(量化、剪枝、知识蒸馏)
推理优化引擎(TensorRT/TVM原理与实践)
联邦学习系统(隐私保护机制、跨设备协同训练)
大模型训练系统(Megatron-LM/DeepSpeed技术解析)

¥ 198

清华大学智能系统实验室主任,IEEE Fellow。主要研究方向为分布式机器学习系统和高性能计算。在OSDI、SOSP等顶级会议发表论文40余篇,主持开发了国内首个开源深度学习框架'天元'。曾获国家科技进步二等奖,ACM杰出科学家奖。教学经验丰富,主讲课程连续5年获评'最受学生欢迎课程'。