1. 课程情况top

    • 本课程为研究生一年级选修课，40学时。
    • 旨在为模式识别与机器学习相关方向打下扎实基础
    • Course information

  2. 参考资料top

    • 李航. 统计学习方法(第二版). 清华大学出版社，2019.
    • 李航. 机器学习方法. 清华大学出版社，2022.
    • 阿斯顿·张（Aston Zhang）, 李沐（Mu Li）, 扎卡里·C. 立顿（Zachary C. Lipton）, 亚历山大·J. 斯莫拉（Alexander J. Smola）, 动手学深度学习（PyTorch版）,人民邮电出版社,2023.
    • 斋藤康毅. 深度学习入门：基于Python的理论与实现. 人民邮电出版社. 2018.

  3. 课程选用开发语言Python

  4. 课程内容top

    5. 统计学习方法

         Content others
    统计学习方法第二版附ppt
    统计学习方法第二版 学习笔记、代码实现、课后习题
    lihang_book_algorithm     		 
    00 python简介  
    01 机器学习和统计学习  
    02 感知机  
    03 k近邻算法  
    04 贝叶斯分类器  
    06 Logistic回归与最大熵模型  
    07 SVM及核函数  
    09 EM算法极其推广, EM算法推导ELBO, EM算法推导ELBO+Jensen  
    13 无监督学习概论  
    14 聚类方法  
    15 奇异值分解, 线性代数基础  
    16 主成分分析  
    附录 分布度量  

    动手学深度学习【ppt内容来自动手学深度学习在线课程】

      Content others
    动手学深度学习（第二版）
    01 概述、线性代数和NDArray  
    03 导数、逆向传播和复杂度  
    04 线性方法、基础优化和层序回归  
    05 最大似然估计和逻辑回归  
    06 多层感知机  
    08 数值稳定性，激活函数和硬件  
    11 卷积和汇聚层  
    12 LeNet, AlexNet, VGG和NiN  
    13 Inception, 批量归一化和残差网络  
    15 图像增广,微调和样式迁移  
    16 目标检测,计算机视觉训练技巧  
    18 序列模型  
    19 循环神经网络  
    20 高级循环神经网络  
    22 嵌入向量, 词嵌入, 子词嵌入, 全局向量的词嵌入  
    23 编码器解码器，Seq2seq模型，束搜索  
    24 注意力机制  
    25 优化问题  

    深度学习【李宏毅版本】

      Content others
    李宏毅
    		  
    01 Introduction of Deep Learning  
    02 Variants of Neural Networks  
    03 Beyond Supervised Learning  
    04 Attention and Transformer  
    01 VAE  
    02 GAN  
    03 GAN theory  

     

  5. Homework

    6. 内容 截止时间

  6. 其它 top

    • 关于编程工具

      • matlab