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

assignment1

• 基础：Git、Python基础学习
• 算法：k-NN
• 作业：CIFAR-10 图像分类

assignment2

• 算法：Linear Regression （线性回归）
• 优化：梯度下降法
• 作业：Boston House Price Predict

assignment3

• 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。

assignment4

• 算法：Decision Tree
• 作业：Decision Tree

assignment5

• 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

assignment6

• Neural Network介绍
• forward pass 、 backpropagation介绍
• 作业：two-layer Neural Network CIFAR-10图像分类

assignment7

• 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

assignment8

• 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

• 2018 Summer

• 2019 Spring

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。

• cs231n Convolutional Neural Networks for Visual Recognition

• MIL 机器学习暑期研讨班