目录
从零开始学习 - 机器学习 之-=卷积神经网络(CNN)=-
设计性研究性实验课题 - “机器学习,神经网络的基础应用”
学习路径 - 循序渐进
如何开始学习?
什么是机器学习?
其他最新课程资源-陆续补充
作业/练习/应用区 持续更新中
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
学习路径 - 循序渐进
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)=-
如何开始学习?
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
什么是机器学习?
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:
其他最新课程资源-陆续补充
https://tf.wiki/
TensorFlow 2的中文版安装和使用说明.
Easy-deep-learning-with-Keras
https://github.com/buomsoo-kim/Easy-deep-learning-with-Keras
https://gitee.com/zhang_chuang/tensorflow2_tutorials_chinese
tensorflow2中文教程
https://gitee.com/drguo/eat_tensorflow2_in_30_days
http://www.tensorfly.cn/
这里是一个不错的中文教程(翻译)
https://tensorflow.google.cn/tutorials/
官方中文版, 还有colab的资源
http://zh.diveintodeeplearning.org
,有书有,有书有在线代码演示 (mxnet)
蒙特利尔大学开放MILA 2017夏季深度学习与强化学习课程
https://mila.umontreal.ca/en/cours/deep-learning-summer-school-2017/
课程视频地址:
http://videolectures.net/deeplearning2017_montreal/
一些windows下可能需要的安装包
http://www.lfd.uci.edu/~gohlke/pythonlibs/#curses
作业/练习/应用区 持续更新中
02练习-分布与测量-作业
03练习-Playground,安装Tensorflow,FashionMinst,SVM
练习-图灵检验对抗
练习-快速识别车牌
练习-学习随机梯度下降算法
练习-强化学习-不倒的木棍Cart Pole
用Keras+TF,实现ImageNet数据集日常对象的识别
用SSD做快速目标检测标注
汉字手写识别
工业机器人视觉辅助项目
Intel深度视觉
Intel OPENVINO 基于FPGA的机器视觉处理加速方案