本科专业的深度学习课程主要介绍深度学习的理论、算法及应用。课程内容通常包括经典的神经网络、卷积神经网络等相关理论，并通过实验和实践环节来加深理解。以下是一些具体信息：
课程代码与学分
课程代码：J0701Z83
学分：3.5
总学时与理论/实践学时
总学时：56
理论学时：44
实验/实践学时：12
先修课程
《高等代数》
《数学分析》
适用专业
数学与应用数学
信息与计算科学
课程目标
系统地掌握深度学习的基本内容与方法
了解神经网络和深度学习的主要应用领域
提高分析问题、解决问题的能力
用计算机语言编程实现
加强数学与信息科学的交叉，拓展知识结构
课程大纲
研究深度学习的动机与基本原理
神经网络与深度学习的基本原理和方法
深度学习实例学习及问题解决
深度学习的应用领域及案例分析
推荐学习资源
Python程序设计
计算机文化基础
概率论与数理统计
线性代数
自学内容与建议
学习PyTorch的LeNet手写数字识别代码
阅读近5年高引用论文，选择与实验室研究方向相关的论文进行精读
在知乎等平台上搜索关键词，了解公平性、可视化可解释性、隐私安全等领域的最新进展
通过这些课程的学习，学生将能够掌握深度学习的基本理论与方法，并具备利用这些方法解决实际问题的能力，为未来的学习和研究打下坚实的基础。建议学生在学习过程中注重理论与实践相结合，通过实验和项目来巩固所学知识。