课程《自/半监督学习基础与实例》将带您深入探索自监督与半监督学习的核心概念和实际应用。课程内容涵盖生成对抗网络（GAN）、半监督生成对抗网络（S-GAN）、自动编码器（auto-encoder/decoder）、伪标签（pseudo-label）等技术。通过理论讲解与实际案例相结合，您将理解这些技术的工作原理，学习如何在标注数据有限的情况下提升模型性能，掌握其在图像处理、文本分析等领域的实际应用。
第一课 自监督学习基础与文献介绍
由哔哩哔哩up主中级错题家同步
【[笔记]自监督学习 self-supervised learning byol simclr swav deepcluster】 https://www.bilibili.com/video/BV1J6421Z7GK/?share_source=copy_web&vd_source=abe71bbf41e922a6a34166946ba4609c
第一课介绍： 第一课将带您了解自监督学习的基础原理及其在深度学习中的应用。课程将重点介绍几种主流的自监督学习方法，如BYOL、SimCLR、SwAV和DeepCluster，深入剖析它们的工作机制、损失函数以及训练流程。通过学习，您将掌握如何在无标注数据的情况下进行有效特征提取，为下游任务打下基础。
第二课 GAN数学基础介绍
由哔哩哔哩up主中级错题家同步
【[笔记]生成对抗网络目标函数 数学表达 GAN】 https://www.bilibili.com/video/BV1Gb421n7dG/?share_source=copy_web&vd_source=abe71bbf41e922a6a34166946ba4609c
第二课介绍：第二课将带您深入学习GAN（生成对抗网络）的核心原理，重点解析其目标函数及数学表达。课程将详细讲解GAN中生成器与判别器的损失函数设计及其背后的优化逻辑，帮助您理解GAN模型的训练过程与稳定性挑战。通过本课程，您将掌握GAN的数学基础，为进一步研究和应用生成对抗网络奠定坚实理论基础。
第三课 自编码器应用：自定义照片降噪
由哔哩哔哩up主中级错题家同步
【编码器/解码器 autoencoder/decoder介绍 TensorFlow实现 自定义降噪图片】 https://www.bilibili.com/video/BV1ds4y1c7bs/?share_source=copy_web&vd_source=abe71bbf41e922a6a34166946ba4609c
第三课介绍：第三课将深入讲解编码器-解码器模型的基本原理与应用。您将学习如何使用Autoencoder进行数据压缩和特征提取，并通过TensorFlow实现该模型。课程还将带您构建自定义的降噪图片处理模型，帮助您理解如何在图像处理中应用Autoencoder进行有效降噪与重构。
第四课 半监督生成对抗网络(S-GAN)实例介绍
由哔哩哔哩up主中级错题家同步
【半监督学习S-GAN介绍 半监督学习GAN 生成对抗网络】 https://www.bilibili.com/video/BV1Kv4y1X7z6/?share_source=copy_web&vd_source=abe71bbf41e922a6a34166946ba4609c
第四课介绍：第四课将深入探讨S-GAN（半监督生成对抗网络）的概念与应用。课程内容涵盖半监督学习的基本原理，S-GAN的模型架构与训练过程，解析如何利用少量标注数据和大量未标注数据提升模型性能。通过学习生成对抗网络在半监督学习中的创新应用，您将掌握这一技术在分类、生成任务中的实际效果与优势。
第五课 生成对抗网络应用:手写数字生成实验
由哔哩哔哩up主中级错题家同步
【生成对抗网络介绍 GAN介绍 generative adversarial net 手写数字生成】 https://www.bilibili.com/video/BV1j44y1S7Jy/?share_source=copy_web&vd_source=abe71bbf41e922a6a34166946ba4609c
第五课介绍：第五课将带您了解生成对抗网络的基本概念与工作机制。课程将详细介绍GAN的结构，包括生成器与判别器的对抗性训练过程。您还将通过实例学习如何使用GAN生成手写数字图像，深入理解其在图像生成任务中的应用和效果。通过本课程，您将掌握GAN的基础知识，并能够在实际项目中运用这一强大的生成模型。
第六课 半监督学习实例:基于sklearn分析真实数据
由哔哩哔哩up主中级错题家同步
【半监督式学习 应用伪标签 基于sklearn 真实世界数据】 https://www.bilibili.com/video/BV1qG4y1R7sC/?share_source=copy_web&vd_source=abe71bbf41e922a6a34166946ba4609c
第六课介绍：第六课将介绍如何在半监督学习中使用伪标签技术提升模型性能。您将学习如何基于scikit-learn（sklearn）库应用伪标签方法处理真实世界数据，特别是在标注数据有限的情况下。课程通过实际案例讲解伪标签生成和模型迭代优化的流程，帮助您掌握半监督学习的核心技巧，提升在实际场景中的数据处理与模型训练能力
