Research Institute of Data Science and Vision Computing
Introduction
Research Institute of Data Science and Vision Computing 机器学习与深度学习课程作业
Content
- 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。
- 算法：Decision Tree
- 作业：Decision Tree
- 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
- Neural Network 模块化实现
- batch normalization介绍
- dropout介绍
- 作业：改进 Neural Network 代码、Batch Normalization、Dropout 实现
- CNN 介绍
- 概念：卷积, Pooling, Stride, Padding, Learning Rate, Momentum, Softmax, ReLU, BP, SGD, Cross-Entropy Loss。
- 作业：CIFAR-10图像分类。
Teacher
| 教师 | - |
|---|---|
| 秦品乐 | |
| 助教 | - |
| 武宽 | 沈文祥 |
Participating students
Reference & Acknowledgements
我们的课程作业内容主要参考到了以下相关课程，在此对以下相关内容的作者表示感谢。