Research Institute of Data Science and Vision Computing
介绍
内容安排
NOTE
余下的任务安排是以PPT的形式讲解,没有相关的讲义给出。后续会给出作业的版本。
- 基础:Git、Python基础学习
- 算法:k-NN
- 作业:CIFAR-10 图像分类
- 算法:Linear Regression (线性回归)
- 优化:梯度下降法
- 作业:Boston House Price Predict
- 算法:Logistic Regression(对数几率回归),sigmoid 函数
- 作业:MNIST 手写数字识别
- Bonus:完成Softmax CIFAR-10图像分类,以及类比 Softmax与Logistic的关系。
- SVM介绍 (参考书籍:周志华机器学习)
- 算法:SVM Hinge Loss
- 作业:CIFAR-10图像分类
- Neural Network介绍
- forward pass 、 backpropagation介绍
- 作业:two-layer Neural Network CIFAR-10图像分类
assignment6
- Neural Network 模块化实现
- batch normalization介绍
- dropout介绍
- 作业:改进 Neural Network 代码。
- Bonus: Batch Normalization层的forward pass跟backpropagation实现
assignment7
- CNN 介绍
- 概念:卷积, Pooling, Stride, Padding, Learning Rate, Momentum, Softmax, ReLU, BP, SGD, Cross-Entropy Loss。
- 作业:CNN MNIST数字序列识别、CIFAR-10图像分类。
主要人员
教师 | - |
---|---|
秦品乐 | |
助教 | - |
武宽 | 沈文祥 |