yandexdataschool/deep_vision_and_graphics

它解决了什么问题

本仓库托管了2025年秋季在Yandex数据分析学院（YSDA）教授的“深度视觉与图形学”课程的所有材料。它取代了旧的“深度学习”课程，更加专注于将深度学习应用于计算机视觉任务——因此学生可以获得一条从经典神经网络到现代生成式和3D视觉技术的结构化、更新后的学习路径。

它是如何工作的

该仓库按周组织：每个 week* 文件夹包含讲座和研讨会材料，而 homework* 文件夹则包含作业。教学大纲从基础神经网络概念（反向传播、卷积、批处理、增强）开始，经过高级架构（transformers, mixers），然后进入密集预测（分割、超分辨率）、目标检测和姿态估计、表征学习、潜在和生成模型（GANs, 扩散模型），最后是形状/运动估计和新视角合成（神经辐射场、神经渲染器）。行政细节在YSDA LMS上供注册学生查看，任何问题或贡献想法均通过GitHub issue tracker处理。

适用人群

它旨在面向选修该课程的YSDA学生，以及任何想要遵循严谨、前沿的计算机视觉深度学习课程的人——特别是那些已经具备基础深度学习知识并希望深入研究视觉应用的人。

亮点

• 完整的每周课程表，涵盖12个主题，从CNN基础到扩散模型和神经辐射场
• 包含讲座和研讨会，以及单独的家庭作业文件夹
• 由经验丰富的课程团队授课，并有多位讲师贡献
• 著名Practical Deep Learning课程的继任者，针对当前的CV研究进行了现代化升级
• 通过GitHub issues欢迎社区贡献和错误报告