深度学习基础理论————CV中常用Backbone(Resnet/Unet/Vit系列/多模态系列等)以及代码
深度学习基础理论————"优化"方法(归一化/dropout)
深度学习基础理论————学习率优化方法(AdaGrad/RMSprop/Adam/Warm-UP)
深度学习基础理论————分布式训练（模型并行/数据并行/流水线并行/张量并行）
深度学习基础理论————DeepSpeed
深度学习基础理论————训练加速（单/半/混合精度训练）/显存优化（gradient-checkpoint）
机器学习基础原理————数据预处理原理及代码
机器学习基础原理————集成学习算法
机器学习基础原理————可解释性Shap Value原理及代码
机器学习基础原理————可解释性LIME原理
机器学习基础原理————贝叶斯优化原理及代码实现
视觉模型————AlexNet原理以及代码
视觉模型————LeNet原理以及代码
视觉模型————GoogleNet原理以及代码