从零开始学习 - 机器学习之-=卷积神经网络(CNN)=-

无学分讨论课 开设老师: 俞熹组织形式: 每1-2周一次, 45分钟以内的研讨会, 每个参会者轮流(每次研讨议1-2个人)针对一个课题进行ppt讲演.
人工智能从AlphaGo开始就成为了一个流行词汇, 原因是人工智能从弱人工智能时代走进了强人工智能时代, 而 AlphaGo 恰恰是这个代表事件, 而其背后的算法基础则是机器学习中的深度学习等领域.
说是从零开始学习, 其实还是需要一些基础的, 需要高等数学中的线性代数 斯坦福的机器学习数学基础课件和一些编程基础比如python 利用python进行数据分析
对于机器学习从浅入深的过程, 我这里整理了一下写了个简单的路线图–> 给初学者入门人工智能的路线及资料下载
书籍推荐: 目前我在看的是机器学习实战机器学习周志华

设计性研究性实验课题 - “机器学习，神经网络的基础应用”

背景：人工智能从AlphaGo开始就成为了一个流行词汇, 原因是人工智能从弱人工智能时代走进了强人工智能时代, 而 AlphaGo 恰恰是这个代表事件, 而其背后的算法基础则是机器学习中的深度学习等领域。
概要：本课题通过学习机器学习的基础，了解对于大数据的分析和处理的过程，学习目前快速发展的神经网络算法。
目标1：完成在有干扰对抗的情况下，进行对数字、文字的快速识别，
目标2：完成对于各类数据图像模式的快速识别和特征提取，可以应用于实验中快速、自动、高效的数据处理。
基础1：需要高等数学中的线性代数，矩阵运算基础。
基础2：需要使用python进行编程，如果无python经验可以到从零开始学习python2020 这里学习 python 的基础知识, 数据处理和作图方法。开始会有一定的老师指导。
学习过程：需要学习大量的机器学习和人工智能的基础知识，这部分通过网上视频课程资源补充
讨论课：本学期开设每周讨论课时间，前几次老师会教授部分基础知识，未来每位同学需要自己准备讲授某一方面的内容。
本课题更多信息请到网站上浏览： http://phylab.fudan.edu.cn/doku.php?id=course:ml:start

无学分讨论课:从零开始学习 - 机器学习之-=卷积神经网络(CNN)=-已经开设了几年了, 主要是使用TensorFlow 来使用卷积神经网络(CNN)解决一些问题. 但是教下来大家的接受程度还是有限, 一方面原因是python基础太差, 另一方面机器学习的基础也太差了,一下子拔苗助长,步子太大了,容易扯到蛋, 我在这里再补充一个机器学习基础篇的教学. — 俞熹 2020/06/25 11:39
下面是建议的学习路径:
在从零开始学习python2020 这里学习 python 的基础知识, 数据处理和作图方法
在从零开始学习 -机器学习之-=基础篇=- 从Sklearn学起这里学习机器学习之-=基础篇=-
在从零开始学习 - 机器学习之-=卷积神经网络(CNN)=- 这里学习机器学习之-=卷积神经网络(CNN)=-

人工智能已经有很多很好的网上教程了, 这里可能给一个入门版本的教程, 以及提供一些网上的资源链接,给同学们拓展的方向.
零基础的,需要快速浏览人工智能能够做什么的,可以看看莫烦的课程, https://morvanzhou.github.io/tutorials/
有什么课程是一个全局的,可以大概先了解一下全部的机器学习的方法的么? 下面这个: 所有人都推荐的 最佳机器学习课程
今年的重要更新提示：下面这两门课程在网易云课堂上都有了！请大家到上面免费注册学习 吴恩达的课程链接
强烈推荐预习的视频 必看!! 还有中文字幕! 真正的大牛 Andrew Ng(吴恩达授课，他是谷歌大脑创始人和前百度首席科学家) 的课程. 学习资料在黄海广的github 上有.
这几年里面神经网络CNN模型的大幅进步,是真正的大杀器,推荐视频课程: 链接: cs231n 李飞飞的CNN图形识别课程百度网盘密码: 2fnk

假设用P来评估计算机程序在某任务类 T上的性能, 若一个程序通过利用经验E 在T中任务上获得了性能改善, 则我们就说关于T 和 P, 该程序对于E 进行了学习. (Mitchell, 1997)
Arthur Samuel 1959 年的定义被公认为最早的：机器学习是计算机科学的分支领域，它能使「电脑无需明确的编程就能获得学习能力。」在实践中，这意味着开发能根据数据作出预测的计算机程序。正如人类能从经验中学习一样，计算机也可以，对它们来说数据就等同于经验。
机器学习工作流是指执行一个机器学习程序所需的流程。虽说每个程序都有区别，大多数工作流都包括一些共同的任务：问题评估，数据探索，数据处理，模型训练/测试/部署，等等。下面的图例展示了这些步骤的可视化解释：