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
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.
-
课程选用开发语言Python
-
课程内容top
Homework
-
其它 top
- 关于编程工具
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 | |
08 | 提升方法 | |
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 |
内容 | 截止时间 | |
---|---|---|
|
||
|
||
|
||
|
matlab