当前学期:[2019 GitHub] | 学期归档:[2017&2018]
课程公告
[查看历史公告]
课程大纲与相关信息
课程时间:2019 年 7 月 1 日 — 2019 年 9 月 7 日,共计 10 周,高强度,严要求,请勿懈怠,注意安全第一。
上课地点:杭州电子科技大学下沙东校区(地铁一号线云水站)“复杂系统建模与仿真”教育部重点实验室会议室,查看地图。
线上讨论:我们使用 GitHub 的 Issues 版面作为讨论用的论坛,请学生们提前阅读《提问的智慧》。
上课地点:杭州电子科技大学下沙东校区(地铁一号线云水站)“复杂系统建模与仿真”教育部重点实验室会议室,查看地图。
线上讨论:我们使用 GitHub 的 Issues 版面作为讨论用的论坛,请学生们提前阅读《提问的智慧》。
每周安排(可能会有临时性的变化):
周一,学生根据提供的相关材料开始预习本周内容;
周二,老师讲解(讲解学习内容之前,简要介绍自己的研究课题);
周三,提交作业初稿,便于了解进度,帮助还在挠头的同学;
周五,基于作业初稿,进行相关讨论,有可能增加相关的讲座或教程;
周日,提交作业终稿,决定最后的成绩。
幻灯片将在每个讲座结束后发布,其它内容随着课程进度更新,学生上台分享所用幻灯片经本人同意后将一并公开。
类型 | 日期 | 主要内容 | 相关材料 | 备注 |
---|---|---|---|---|
课外 | - |
能力初探,编程环境准备 接触到新的名词概念时应该怎么办? 如何有效使用谷歌搜索并解决问题? 如何安装 Python 科学计算环境? 不同的 Python 环境如何进行管理? 如何搭建交互式 Python 编程环境? 如何对自己的代码进行版本控制? 哪里可以找到开源项目代码? 如何参与 GitHub 组织协作? [学习的十大好习惯和坏习惯] |
官方网站: Wikipedia Google Zhihu Bilibili Anaconda VS Code Python Numpy Pandas Matplotlib Scikit-learn Jupyter Notebook Git GitHub Bitbucket 参考资料: 搜索引擎有哪些常用技巧? A Byte of Python [译] *进阶 [1] [2] [3] Morvan - Python 数据处理 Git CS 231n Python Numpy Tutorial [译] 利用 Python 进行数据分析 Pro Git [译] Github 简明教程 |
Python 2.7 于 2020 年不再提供维护, 建议使用 3.5+ 版本。 请预览“预备知识”中数学内容快速回顾,并完整阅读底部 FAQ. |
讲座 1 | 7月2日 周二 |
基础介绍、信息表示 |
课程材料: 机器学习基本概念 [pdf] 模型评估与选择 [pdf] 多媒体信息表示 [pdf] 图像特征表达 [pdf] 参考资料: 周志华《机器学习》 ch1-2 |
想要了解更多关于数字图像处理的知识,可以访问 Stanford EE368 课程。 |
实验 1 |
基础编程练习:Python、图像特征提取、视觉项目实战 *第一周为缓冲阶段,学写代码,无需提交实验结果。 |
|||
讨论 | 7月5日 周五 |
理解滤波与卷积
[pdf] |
||
讲座 2 | 7月9日 周二 |
决策树、线性模型、支持向量机 |
课程材料: 西瓜书课件决策树 西瓜书课件支持向量机 线性模型 [pdf] 参考资料: 线性模型系列博客 [1] [2] [3] [4] [5] [6] Pluskid 支持向量机系列博客 [html] 周志华《机器学习》 ch3-6 |
本次讲座使用了西瓜书的官方课件,仅供线下教学使用,故不在网页中公开。 西瓜书第 4 章可自行预览学习,后面会安排讲座进行学习。 |
课外 | - |
跳坑,爬坑,填坑,避坑 如何利用前人经验快速解决 Bug? 如何整理笔记,撰写技术报告? 如何将个人笔记进一步整理为博客? 如何制作学术汇报型幻灯片? 如何在幻灯片中使用 $\LaTeX$ 公式? 创作的时候如何尊重知识产权? [PPT 带母版模板] [LaTeX 成品举例] [PPT 成品举例 - AI for Everyone] |
官方网站: StackOverflow CSDN 博客园 Markdown(Wiki) Typora LaTeX(Wiki) Power Point Google Slides Overleaf 参考资料: 中文技术文档的写作规范 再谈博客设计与写作 [MD 教程] 什么是幻灯片母版? 使用键盘快捷方式创建 PPT IguanaTex - LaTeX Add-In for PPT. 怎样做好学术 PPT? |
讨论效果以内容完整,思路清晰为主,不必过于注重形式。 文章写作时,建议初期使用 Markdown 语法快速梳理内容, 必须的时候再进阶使用 LaTeX 语法排版,英文论文发表需要熟练使用后者。 |
实验 2 |
Scikit-learn 监督学习实战与文档写作入门 |
7月11日前提交初稿 | ||
讨论 | 7月12日 周五 |
线性模型精讲
[pdf] |
实验 2 于14日截止 | |
讲座 3 | 7月16日 周二 |
朴素贝叶斯、无监督学习 |
课程材料: 高斯判别分析、朴素贝叶斯 [pdf] Kmeans、PCA、LLE [pdf] 参考资料: 如何阅读一篇论文[试读下面这篇] An Analysis of SingleLayer Networks in Unsupervised Feature Learning [pdf] |
|
实验 3 |
Scikit-learn 无监督学习实战与代码复现入门 |
7月18日前提交初稿 | ||
讨论 | 7月19日 周五 |
第一次研究生 Presentation: 方楠 阮杰 李相 赵果 |
实验 3 于21日截止 | |
讲座 4 | 7月23日 周二 |
强化学习 |
课程材料: 强化学习讲义 [pdf] 参考资料: DeepMind 深度强化学习视频 [Video] DeepMind 与 UCL 进阶课程 [Video] 台大李宏毅教授强化学习 [Video] 其它参考资料仅作为内部文件 |
|
实验 4 |
强化学习入门 |
7月25日前提交初稿 | ||
讨论 | 7月26日 周五 |
第二次研究生 Presentation: 高鹏昺 陆烨炜 张昊文 叶丹惠 |
实验 4 于28日截止 | |
讲座 5 | 7月30日 周二 |
深度神经网络与卷积神经网络 |
课程材料: 深度神经网络基础与应用 [pdf] 参考资料: 神经网络系列博客 [1] [2] [3] 吴恩达. 深度学习 专项课程 [Video] 李宏毅. 深度学习 2017 [Youtube] 经典论文: [LeNet] [AlexNet] [VGGNet] [NiNet] [GoogLeNet] [ResNet] [DenseNet] [MobileNets] [ShuffleNet] |
推荐阅读: [Deep Inside] [Adaptive Learning Rate and Momentum] [Momentum, Conjugate Gradient Learning] |
实验 5 |
Pytorch 入门:实战卷积神经网络 |
8月1日前提交初稿 | ||
讨论 | 8月2日 周五 |
第三次研究生 Presentation: 朱俊杰 腾龙斌 黄洁 崔雨豪:Pytorch 实现 CNN [Gist] |
实验 5 于4日截止 | |
讲座 6 | 8月6日 周二 |
循环神经网络RNN |
课程材料: Recurrent Neural Networks [CS 231n] 参考资料: 卷积神经网络助教博客 [HTML] DL book RNN chapter [HTML] Understanding LSTM Networks [HTML] |
|
实验 6 |
实战循环神经网络与 LSTM |
8月8日前提交初稿 | ||
讨论 | 8月9日 周五 |
由于台风过境,讨论课推迟到下一周 |
实验 6 于11日截止 | |
讲座 7 | 8月13日 周二 |
生成对抗网络GAN |
生成对抗网络
[pdf] 参考资料: 李宏毅生成对抗网络 [Bilibili] |
相关论文链接请在课件内查看 |
实验 7 |
生成对抗网络实战与拓展 |
|||
讨论 | 8月16日 周五 |
第四次研究生 Presentation: 袁富 张昊文 甘银兰 王涛 刘回归 杨津 陈志 |
实验 7 于18日截止 | |
项目实践 | 8月19日 始 至 9月6日 |
选定导师,由导师指定课题及任务,阅读论文及编程实践,并提交技术报告。 | ||
最终答辩 | 9月7日 周五 |
学生个人总结报告 |
讲师

俞俊
(Lab Chief)

高飞
(Head Teacher)

谭敏

余宙

朱素果

顾晓玲

詹忆冰
助教

曹骁威
(Head TA)

尧旻昊

姚宗贵
(PhD Student)
注意:所有线上答疑都将在
Issues
进行,推荐线下团队之间事先互相交流探讨。
当你知道问题的答案时,或者具有解决问题的思路时,强烈鼓励你回答其他学生的问题。
另外由于老师们平时比较忙碌,请尽可能提出具有建设性的问题,
提出问题的最终目的是为了思考并解决它,而不是意图强调发现问题这一行为。
如果需要进行长期交谈,或有着私人事务,
请提前以邮件或其它被允许的形式告知老师,询问是否近期有 Office Hour 并进行预约。
助教将不会提供 IM 等私人联系方式,与助教进行交流的内容局限于课程相关,课外内容请自学。
助教将于每天上午 9:00 查看 Issues 发帖,回复时间通常在 24 小时以内,
可在 Project 版面查看
助教相关事宜。
预备知识
常见问题解答
- 我没有以线下的形式参加这次暑期课程,可以线上自学吗?
- 没有问题,但效果可能不如线下课程。所有公开的材料都可以直接获取,只是我们不提供答疑服务。
本课程面向研究生,因此默认学生具有一定的自学能力,留出问题讨论空间,而不会将所有学习内容体现在讲座中。
- 有没有必须使用的教科书或者其它类型的资料?
- 没有。所需基础资料会在课前给出,并在后续完善,参考资料不全是必须阅读内容,依个人情况而定。
- 如何在其它地方合理使用课程中给出的相关材料?
- 实验室原创材料作品采用 CC BY-NC-SA 3.0 协议,以链接形式给出的材料请参考对应的许可权,网页源码采用 MIT 协议。
- 我的编程能力比较薄弱,接受能力较差,害怕跟不上进度,怎么办?
- 在课程正式开始前,应当提前熟悉编程环境,如果没能够及时完成当前周的作业,
可能需要花更多的时间参与周五的讨论,并在讨论结束后合理安排时间进行练习。我们强烈鼓励学生组建学习小组,但是,
每个学生必须独立写下解决方案。使用互联网解决问题是信息时代工科学生必须具备的能力,
你可以自行寻找更多类型的资料来增强自己的理解,但对网络上的内容需持有怀疑态度,不可盲目相信。
- 我的英语能力比较薄弱,看不懂拓展材料,怎么办?
- 同上点提到的方法,短期内使用互联网可以搜索到一些中文翻译材料,或是使用谷歌翻译。(关键是赶紧学好英语!)
- 为什么在整体课程安排中,没有留出单独的期中休息日?
- 每周给出的自主学习时间是相当充裕的,需根据自身学习情况做出合理安排,其中包含了休息时间。
- 如何在线上讨论中使用 LaTeX 排版数学符号与公式?
- GitHub 的 Issues 板块支持 Markdown 语法,可以在谷歌浏览器中安装 MathJax Plugin for Github 插件。