悉尼大学研究生深度学习考试包含哪些内容？

悉尼大学研究生深度学习课程从理论、模型和算法开始，到深度学习的实现和最新进展，对深度机器学习进行了全面的介绍。考试所涵盖的主题包括：深度神经网络的经典架构、训练深度神经网络的优化技术、深度学习的理论理解以及深度学习在计算机视觉中的多样化应用。具体来说，考试包含以下内容。

一、考试涵盖主题

1、多层神经网络

2、深度模型的优化

3、深度模型的正则化

4、卷积神经网络

5、神经网络架构

6、递归神经网络

7、变压器神经网络

8、图形卷积网络

9、深度学习应用

10、深度生成模型

二、考试评估重点

1、展示广泛的深度学习应用知识，如图像分类、对象检测、图像分割和人脸识别；

2、使用深度学习软件创建深度学习原型；

3、评估深度学习算法；

4、展示深度神经网络设计和评估的主要方法的知识，以及每种方法的相对优势和劣势，以及最合适的用途；

5、将应用问题建模为深度学习问题

6、应用和定制已知的深度学习算法来解决新的挑战性问题；

7、说明深度学习原型的设计和评估，定义需求，描述设计流程和评估。

悉尼大学研究生深度学习考试的成绩占课程的60%，低于40%自动不及格，因此同学一定要做好充分的考前复习准备。同学可以将以上内容作为自己的考试复习框架，以此来进行考前学习规划。