基础理论课程入门中文8–12 周★ 17k1 章可站内阅读
李宏毅深度学习教程
Datawhale 整理的李宏毅课程讲义与作业
李宏毅 · Datawhale · 16,720 stars
Datawhale 整理的李宏毅深度学习课程讲义与作业。讲解风格友好、作业路径清楚，是中文社区「第一堂系统 DL 课」的常见选择。适合先建立直觉，再与 d2l 交叉加深。
为什么收录 · 降低深度学习入门的情绪门槛。讲解友好、作业路径清楚，和 d2l 搭配是中文基础理论书架的黄金组合。
深度学习李宏毅Datawhale自监督生成模型中文课程
这本书强在哪
- 李宏毅课程以讲解友好著称，是中文社区最常推荐的第一堂 DL 课之一
- Datawhale 整理讲义与作业，降低跟课成本
- Notebook 形式，适合边看边练
- 与 d2l 交叉学习效果最好：一个建直觉，一个练推导与代码
建议怎么学
- 01按 Datawhale 目录跟课，作业不跳
- 02概念听懂后，用 d2l 对应章补数学与实现
- 03生成/自监督章节可记「问题设定 + 损失直觉」，细节留到进阶课
- 04若目标是 LLM，课后再进 Happy-LLM 或 Dive into LLMs
适合谁 / 前置
- Python 基础
- 机器学习常识更佳
- 能坚持跟视频 + 作业节奏
学完得到什么
- 跟完一季系统 DL 课并完成配套作业
- 建立对 CNN/RNN、自监督与生成模型的直觉
- 能用口语化理解解释复杂概念（教学风格红利）
- 为 d2l 精读或进阶生成模型做好准备
目录
来自站内阅读器镜像；点击章节直接阅读
策展亮点章节
机器学习基础回顾深度学习核心CNN / RNN自监督与生成作业与项目
仓库数据
Stars16,720
Forks3,096
主要语言Jupyter Notebook
更新2026/8/7
deep-learningtransformerdiffusionreinforcement-learning
42006a08（master）· 许可证 需人工确认 (NOASSERTION)。 上游更新后可通过同步脚本刷新。