Skip to content

Faith-Uchiha/autumn_2017

 
 

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

MIL Learning Group 2017autumn

Group Leader:钱哲琦、曹骁威
本页面将会持续维护直到学期末...

如果你有任何疑问,请善用 Issues 功能提问(当然它的功能不止于此)。
Issues已经添加模板,以帮助大家规范格式。

通过 Pull requests 功能将完成日常的更新和维护,以及作业的审批流程。
请不要直接使用 Push 功能,即使后期将会给组内成员开放权限!

在线文档 Autumn 2017 进度记录,学员可以查询相关信息,如果信息有误请及时通知。

Schedule and Syllabus

来自于今年的暑期班课程与deeplearning.ai的深度学习课程   暑期班课程组织设计与管理: @wolegechu

后面的大纲内容会进行一定的调整,不会与暑期班完全相同,但它依旧是一个很好的参考大纲。

时间 内容概要 相关材料
10.23前 开始前的工作:
团队协作与文档写作
提问的智慧
任务
10.21-11.5 工具安装
Anaconda 与 Jupyter Notebook
Python和数据科学包
回归:
算法:线性回归,线性回归+正则项(L1, L2)
优化:梯度下降法
测度:欧式距离、街区距离、范数、Loss
作业:波士顿房价预测
任务
分类:
算法:k-NN, Logistic Regression, 决策树
作业:
MNIST 手写数字识别、CIFAR-10 图像分类
采用第一周的特征 + 第二周的方法(多种组合,对比结果)
经典算法:
支撑向量机
图像特征:SIFT, Visual BoW
无监督学习:
聚类:K-means, K-means++
降维:PCA, ICA, ZCA, LLE, AE
作业:客户聚类
神经网络DNN&CNN:
概念:卷积, Pooling, Stride, Padding, Data Augmentation, Learning Rate,
Momentum, Softmax, ReLU, BP, SGD, Cross-Entropy Loss
网络:LeNet, AlexNet, VGGnet, GoogLeNet, ResNet
框架:Keras
作业:mnist 数字序列识别
神经网络提升:
神经网络的训练
物体检测与分割
卷积神经网络的可视化与理解
训练卷机神经网络的工程技巧
论文阅读:Deep Learning 推荐阅读论文(余宙)
递归神经网络:
网络:RNN, LSTM

About

MIL 2017 秋季学期 学习组

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages

  • Jupyter Notebook 100.0%