一個薪資被嚴重低估的方向！

 短短五年，Transformer就幾乎顛覆了整個自然語言處理領(lǐng)域的研究范式，也促進了計算機視覺、計算生物學(xué)等領(lǐng)域的研究進展。

面對所有想深度學(xué)習(xí)Transformer，尤其是在代碼方面需要提高的同學(xué)們。我邀請了多位頂會大咖，做了22節(jié)最全Transformer系列課程，帶你吃透理論和代碼，了解未來應(yīng)用，掃清學(xué)習(xí)難點。

本次課程有兩大亮點:

亮點一：精講論文+代碼

亮點二：詳解Transformer的多方向應(yīng)用

0.01元解鎖22節(jié)系列課

帶你吃透理論和代碼

免費領(lǐng)取226篇Transformer頂會論文合集

Transformer系列課程目錄

階段一：吃透論文和代碼，牢牢掌握Transformer基礎(chǔ)

1：CV-transformer 概述

2：CV-transformer VIT論文講解

3：CV-transformer PVT論文詳解

4：CV-transformer PVT代碼詳解

5：CV-transformer Swin Transformer論文詳解

6：CV-transformer Swin Transformer代碼詳解

7：CV-transformer DETR 論文詳解

8：CV-transformer DETR代碼講解

9：CV-transformer——VIT

10：CV-transformer——MAE

11：CV中的transformer專題MAE詳解

階段二：掌握Transformer多方向應(yīng)用

1：Transformer簡介和預(yù)訓(xùn)練語言模型應(yīng)用

2：基于Vision Transformer的語義分割算法

3：Transformer在視覺任務(wù)中的應(yīng)用與高效部署

0.01元解鎖22節(jié)系列課

帶你吃透理論和代碼

免費領(lǐng)取226篇Transformer頂會論文合集

Transformer系列論文

另外我還整理了通用ViT、高效ViT、訓(xùn)練transformer、卷積transformer等細分領(lǐng)域的226篇頂會論文，帶你從「Transformer的前世」速通到大模型。

論文目錄：（因篇幅有限，僅展示前十篇）

1. Neural Machine Translation by Jointly Learning to Align and Translate(2014)

2. Attention is All you need (2017)

3. On Layer Normalization in the Transformer Architecture (2020)

4. Universal Language Model Fine-tuning for Text Classification (2018)

5. Harnessing the Power of LLMs in Practice (2023)

6. Cramming: Training a Language Model on a Single GPU in One Day (2022)

7. LoRA: Low-Rank Adaptation of Large Language Models (2021)

8. Training Compute-Optimal Large Language Models (2022)

9. Constitutional AI: Harmlessness from AI Feedback (2022)

10. Pythia: A Suite for Analyzing Large Language Models Across Training and Scaling (2023)