继之前基于Transformer荣登Nature子刊的Life2vec，谷歌最近又爆改Transformer提出的Infini-attention机制，实现了接近无限长度的上下文。但横空出世的Mamba，克服了Transformer核心注意力层无法扩展的问题，一度被认为颠覆了Transformer。不可否认，Transformer对llm、及与各研究领域结合的突出贡献，想要深入mamba绕不开Transformer、RNN！
研梦非凡特邀请了世界Top10高校博士，发表过10+篇顶会的杨老师，5月22日（周三）独家开讲《Transformer系列论文科研能力提升课》，带你全面掌握Attention机制，系统深入9篇优秀论文（BERT、ViT、GPT-4、扩散模型、Mamba彩蛋等），9节课掌握Transformer在NLP和CV等领域具体应用，找科研idea，算法岗面试再也不怵！（下滑查看课程大纲）
▼ 扫描二维码找助教开课
可再领取5本Transformer必读书籍pdf+116篇必读论文+文末超多科研福利
一、课程收获
✨ 9篇Transformer必读论文get！
全面掌握Attention机制在NLP、CV等研究领域的发展历程
深入理解Transformer于不同模态中的具体应用，盘点9个优秀模型的技术贡献
掌握多个研究领域的最新技术，对比分析各模态中的优劣及前景
✨ 论文读写研究能力up！
梳理9篇论文的问题提出及方法优化，拓宽研究视野
参与讲师课堂疑难讨论，快速消化知识点，提升研究能力
系统学习论文相关工作后，可在讲师指点下，围绕关心课题开展实验或理论研究
二、课程亮点
介绍Transformer模型的基础结构，及其在纯语言模型、多模态大模型中的应用
解析Transformer模型的训练及推理细节、硬件上高效运行的方法
探究Transformer模型与轻量化技术结合的潜力，比如模型的量化、剪枝、高效采样方法、内存高效读取等
展示Transformer模型在各领域中的灵活运用，包括但不限于知识图谱、问答、对话、推荐等
▼扫描二维码找助教开课
三、课程大纲
🔸第1课 Attention Is All You Need（5月22日）
论文创新点：【原始的Transformer模型】它以自注意力机制，取代了传统流程模型中的递归结构，具备比RNN等神经网络，同等或更好的语言理解能力。同时，自注意力机制加强了Transformer的并行计算能力，无需像RNN依赖于序列顺序信息，极大提升了运算效率。
直播课内容：
Transformer模型的基本结构、组成及关键组件
对比RNN和Transformer在处理序列数据时的不同策略
自注意力机制如何捕捉序列内部的长距离依赖关系、如何实现并行计算
Transformer在机器翻译、文本摘要等任务中的应用案例
🔸第2课 BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding（敬请期待）
论文创新点：【Transformer架构在NLP方向研究应用】这篇论文提出了BERT预训练模型，它采用深层双向Transformer架构，可以学习词含义的上下文信息。
直播课内容：
BERT模型在NLP任务中的革命性影响、创新点讲解、预训练目标和训练策略
MLM任务、NSP任务如何帮助模型捕捉语言的复杂性
解释Transformer的编码器结构，讨论多头注意力机制在BERT中的应用
讨论RoBERTa、ALBERT等变体对BERT模型的改进和优化
🔸第3课 (ViT) An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale（敬请期待）
论文创新点：【Transformer架构在CV方向研究应用】这篇论文提出ViT模型，实现了Transformer在计算机视觉中的首次应用。ViT demostrated 了Transformer能力在视觉任务上的潜力，突破了CNN在这方面的主导地位。
直播课内容：
学习ViT模型在图像识别任务中的创新点、影响及基本结构
ViT模型的动机和目标，对比ViT与CNN在图像处理上的差异
patches如何被编码成序列以适应Transformer模型
讨论多头自注意力机制在ViT中的应用
ViT模型的预训练策略，以及在不同规模数据集上的性能表现
🔸第4课 Swin Transformer：Hierarchical Vision Transformer using Shifted Windows（敬请期待）
论文创新点：【Transformer在高分辨率影像研究领域的应用】这篇论文提出的Swin Transformer采用了移动窗机制，将图像切分为不同視窗进行处理，实现了Transformer在高分辨率影像领域的应用。
直播课内容：
Swin Transformer如何通过移动窗机制处理高分辨率图像，及移动窗机制的工作原理
Swin Transformer的关键技术：分块标准化（Shifted Window）技术及其作用
Swin Transformer在图像识别任务中的表现：模型如何优化特征提取能力
与其他Vision Transformer的比较，Swin Transformer在高分辨率影像处理上的优势，及模型在多模态任务中的应用前景
🔸第5课 SegFormer: Simple and Efficient Design for Semantic Segmentation with Transformers（敬请期待）
论文创新点：【Transformer在语义分割方向的应用】SegFormer利用先进的TransformerEncoder-Decoder结构，在没有使用任何额外如位置编码或非局部信息的情况下，进行语义分割，并取得突出的效果。
直播课内容：
Transformer在图像分类任务中的应用，并引入其在语义分割中的潜力
Transformer结构对细粒度视觉任务的适应性，SegFormer模型的动机、目标及Encoder-Decoder结构
SegFormer如何在不同尺度上捕捉特征，其简洁性和效率，以及其对性能的影响
SegFormer的语义分割流程：将Transformer应用于语义分割任务，模型如何处理输入图像并生成分割图
🔸第6课 ViLT: Vision and Language Transformer Without Convolution or Region Supervision（敬请期待）
论文创新点：【Transformer在多模态领域的应用】这篇论文提出的ViLT是第一个不需要卷积操作和区域级监督，就可以良好实现视觉语言交互任务的Transformer模型。ViLT直接使用序列输入进行多模态融合和理解，省去了特征提取阶段，取得了和CNN相当或更好的效果。
直播课内容：
ViLT模型的核心创新、模型结构和关键组件
ViLT在处理多模态数据时，如何实现视觉和语言信息的有效融合
ViLT的效率和效果，性能评估——对比ViLT和基于CNN的模型在各项任务中的表现
ViLT如何拓展Transformers在不同模态之间的应用场景，及其在多模态任务中的潜在改进空间
🔸第7课 (GPT-4)Toolformer: Language Models Can Teach Themselves to Use Tools（敬请期待）
论文创新点：【Transformer在GPT-4的应用】这篇论文提出了Toolformer模型，它能够通过逻辑推理和自我训练学习如何使用具体工具来完成任务，而无需事先提供使用例子。Toolformer是第一个能自行学习使用工具的语言模型。
直播课内容：
语言模型在智能助手和自动化任务中的应用，创新之处和研究动机
Toolformer模型的基本结构、工作原理、关键技术，如强化学习、模仿学习等
Toolformer在各类任务上的表现，讨论模型如何推动语言模型参与更复杂的实际任务
Toolformer如何展示Transformer在语言理解方面的高级能力
🔸第8课 Scalable Diffusion Models with Transformers（敬请期待）
论文创新点：【Transformer与扩散模型结合】采用Transformer可以突破传统扩散模型在规模和效率上的限制。它利用Transformer处理高维度数据，实现了先进的可生成视觉效果。
直播课内容：
Transformer在生成扩散模型中的应用及其潜力
Transformer如何适应高维度数据处理
基于Transformer的扩散模型架构，利用Transformer生成高维度的视觉数据
对比传统扩散模型和基于Transformer的模型性能
🔸第9课 Mamba VS Transformer（惊喜彩蛋！！！）
▼ 扫描二维码找助教开课+领文末超多科研福利
四、讲师介绍
杨老师
学术背景 世界Top10大学计算机科学毕业博士。主要研究方向为计算机视觉、自然语言处理、高效的深度学习训练和推理方法、大语言模型轻量化与高效微调技术。曾在多家公司担任算法研究员，涉及计算机视觉、高效模型压缩算法、多模态大语言模型的相关研究，包括模型量化、剪枝、蒸馏、编译、高效稀疏化训练与推理
科研成果 在国际顶级会议CVPR、ICCV、EMNLP等发表10+篇论文，并担任CVPR、ICCV、ECCV、ICML、ICLR、NeurIPS等重要会议和期刊审稿人；拥有多项发明专利，指导学生有耐心，教学严谨，思维逻辑缜密，论文指导经验丰富
招收学生方向 计算机视觉、自然语言处理、高效模型压缩算法、多模态大语言模型，包括模型量化、剪枝、蒸馏、编译、高效稀疏化训练与推理、深度学习全栈研究
五、适合人群
热爱计算机科学研究，对自然语言处理、计算机视觉、大语言模型、多模态算法，尤其以Attention为主的模型核心发展脉络，拥有浓厚兴趣的同学
意向深造、跳槽、转行的在职同学
计算机科学或交叉领域的本硕博在读同学
六、课程形式及时长
上课方式 线上直播课，每节1小时左右，具体以实际时长为准
上课时间 共9节，5月22日开课，后续暂定每周1节
▼ 扫描二维码找助教开课
七、课程服务
配套课程资料：课程PPT、Transformer论文及相关开源代码
Transformer交流群（助教答疑，资料更新）
八、Q&A
Q1：学习过程中若有问题，如何咨询老师？
A：本系列课程为直播课，大家有任何疑问，可在直播间发送提问，老师会实时一一解答
Q2：课程及相关服务有效期多久？
A：课程有效期为1年
Q3：本系列课程的学习价值？
A：Transformer论文系列课价值如下：
全面掌握Attention机制在NLP、CV等研究领域的发展历程
深入理解Transformer于不同模态中的具体应用，盘点9个优秀模型的技术贡献
掌握多个研究领域的最新技术，对比分析各模态中的优劣及前景
系统学习论文相关工作后，可在讲师指点下，围绕关心课题开展实验或理论研究
▼ 扫描二维码找助教开课+领文末超多科研福利
研梦非凡两类科研论文指导方案
科研论文idea，并非拍脑门就能产生，需要经过一遍遍做实验、跑代码、改模型、思路修正。研梦非凡专业论文指导，和研梦导师一起找idea，共同解决科研问题。授之以渔——搭建论文写作框架，增删改查，针对性实验指导！哪里薄弱补哪里！
<<< 左右滑动见更多 >>>
▼ 扫描二维码咨询助教两种指导方案
研梦非凡部分导师介绍
研梦非凡的导师，来自海外QStop200、国内华五、C9、985高校的教授/博士导师/博士后，世界500强公司算法工程师，以及国内外知名人工智能实验室研究员。
这是一支实力强大的高学历导师团队，在计算机科学、机器学习、深度学习等领域，积累了丰富的科研经历，研究成果也发表在国际各大顶级会议和期刊上，在指导学员的过程中，全程秉持初心，坚持手把手个性化带教。包括但不限于以下导师～
<<< 左右滑动见更多 >>>
▼ 扫码加助教为你匹配合适课题的大牛导师
研梦非凡科研福利
🌟90分钟人工智能零基础入门课免费领
🌟7小时科研论文写作系列课免费领
🌟14节前沿论文直播课程免费领
🌟50小时3080GPU算力免费领
🌟数百篇5月论文资料大合集免费领
🌟报名本课，赠送原价2999元的1小时导师meeting（助教+导师）
▼ 扫码领取以上6重粉丝专属科研福利！
1404
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
