“机器学习培训”的版本间差异
跳到导航
跳到搜索
(→课程内容) |
(→第二期) 标签:手工回退 |
||
(未显示2个用户的41个中间版本) | |||
第1行: | 第1行: | ||
*时间:每周二晚7点,暂定线上 |
*时间:每周二晚7点,暂定线上 |
||
*地点 |
*地点:15楼休息室1503 |
||
*备注: |
*备注: |
||
#总共约一学期,八节课 |
#总共约一学期,八节课 |
||
#一节课一个半小时 |
#一节课一个半小时 |
||
#腾讯会议 729 707 3614 |
|||
#11月9日开始第一节课 |
|||
⚫ | |||
⚫ | |||
2021.11.9 第1章机器学习算法概述[[ppt|file:第1章机器学习算法概述.pdf]] |
|||
==第一期== |
|||
[[2021.11-2021.12]] |
|||
机器学习概述,算法介绍,类型,pytorch |
|||
⚫ | |||
==第二期== |
|||
[[2022.03- ]] |
|||
*徐权峰: [[Transformer]] |
|||
⚫ | |||
*冯帅: [[机器学习培训_通过测光信息推断暗晕质量和size|通过测光信息推断暗晕质量和size]] |
*冯帅: [[机器学习培训_通过测光信息推断暗晕质量和size|通过测光信息推断暗晕质量和size]] |
||
*居梦婷: [[星系金属丰度测量]] |
*居梦婷: [[星系金属丰度测量]] |
||
第20行: | 第28行: | ||
*邱佳杰: [[使用深度学习方法从星系图像中得出星系的形态信息]] |
*邱佳杰: [[使用深度学习方法从星系图像中得出星系的形态信息]] |
||
*吴闻宇: [[aaa]] |
*吴闻宇: [[aaa]] |
||
=链接= |
|||
*https://github.com/WillKoehrsen/Machine-Learning-Projects |
|||
*https://towardsdatascience.com/an-implementation-and-explanation-of-the-random-forest-in-python-77bf308a9b76 |
|||
*https://www.kaggle.com/ |
|||
*#推荐课程cs231n http://cs231n.stanford.edu/schedule.html 作业值得做 |
2022年7月2日 (六) 02:56的最新版本
- 时间:每周二晚7点,暂定线上
- 地点:15楼休息室1503
- 备注:
- 总共约一学期,八节课
- 一节课一个半小时
- 腾讯会议 729 707 3614
课程内容
第一期
机器学习概述,算法介绍,类型,pytorch
第二期
- 徐权峰: Transformer
课题
- 冯帅: 通过测光信息推断暗晕质量和size
- 居梦婷: 星系金属丰度测量
- 曾琪: aaa
- 刘桂梅: aaa
- 秦松梅: 恒星大气参数测量
- 李春燕: 寻找星团CMD中特殊区域的恒星
- 穆子豪: 通过机器学习方法从星系图像识别棒并提取相关信息
- 邱佳杰: 使用深度学习方法从星系图像中得出星系的形态信息
- 吴闻宇: aaa