“机器学习培训”的版本间差异
跳到导航
跳到搜索
(→课程内容) |
(→课程内容) |
||
第32行: | 第32行: | ||
[[:File:ML5.1监督和无监督.pdf]] [[:File:ML5.2AE&VAE.pdf]] [[:File:ML5.3GAN.pdf]] |
[[:File:ML5.1监督和无监督.pdf]] [[:File:ML5.2AE&VAE.pdf]] [[:File:ML5.3GAN.pdf]] |
||
2021.12.07 第5课pytorch |
|||
[[:File:MLtrain_file.py]] [[:File:ML分类_神经网络.py]] [[:File:ML回归_神经网络.py]] |
|||
==课题== |
==课题== |
2021年12月21日 (二) 10:48的版本
- 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
- 推荐课程cs231n http://cs231n.stanford.edu/schedule.html 作业值得做
课程内容
2021.11.9 第1章机器学习算法概述File:第1章机器学习算法概述.pdf
作业1:假设机器需要学习得到的X与Y的对应关系是求和,用numpy的方法实现机器学习的过程
2021.11.16 第2课机器学习算法概述File:ML第2课卷积层全链层.pdf File:ML第2课卷积层全链层-笔记版.pdf
作业2:第一个作业在ppt中。第二个作业:假设卷积核不是3x3而是1x1,运用卷积核的概念继续实现作业1的工作
2021.11.23 第3课机器学习算法概述File:ML第3课池化层遗忘层.pdf
2021.11.30 第4课机器学习 作业解答及其他类型ML简介
2021.12.07 第4课机器学习类型概述
File:ML5.1监督和无监督.pdf File:ML5.2AE&VAE.pdf File:ML5.3GAN.pdf
2021.12.07 第5课pytorch
File:MLtrain_file.py File:ML分类_神经网络.py File:ML回归_神经网络.py
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