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，
T
ransformer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！
-
-
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
-
-
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
-
-
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
-
-
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
