东南大学崇志宏的《数据与智能暑期研讨班提纲》是真的干货满满，适合想搞懂**深度学习**和**认知计算**的你。嗯，提纲结构清晰，前面把**符号主义**和**联结主义**讲得挺通俗——一个靠规则逻辑，一个靠神经网络模拟，二者结合思路蛮先进的，适合搞混合模型研究的同学。后面列出的模型也全，像**图概率模型**、**深度贝叶斯模型**、**马尔科夫逻辑网络**这种常见又易混的概念，这里都给你串起来了。
记忆机制那块也值得一看，提到了LSTM、可微内存网络、注意力机制，这些在搞时间序列、语言模型时有用。比方说，注意力机制让模型“看重点”，训练效果提升不少。这些模型在做图像识别、文本生成都有用。
还有像GAN和Autoencoder这种用来学数据分布的结构，蛮适合做风格迁移和数据增强的。如果你正在搞生成模型，这几段内容可以多读几遍。
一部分就比较实际了，涉及博弈学习、强化学习、迁移学习，还有知识图谱和大数据的落地应用。这些在企业项目里出镜率高，懂了之后写方案、搭系统都轻松不少。
附带的几个资源也还不错，比如深度学习逻辑回归详细解析，适合刚入门的同学看一眼逻辑推理的建模思路；还有从马尔科夫决策过程到深度强化学习，这个讲得挺透的。
如果你刚好在准备认知建模相关的科研或者项目，不妨把这份提纲当个学习路线图来看，哪怕不参加研讨班，内容也挺值得参考的。