#北京大学机器学习课程大纲-蒋严冰
-
1.机器学习概论篇
- 机器学习当代应用与前沿
- 机器学习定义
- 机器学习领域如何划分？
- 机器学习与神经网络？
- 机器学习与大数据的关系？
-
2.机器学习基础理论
- 算法数学基础理论
- 监督学习与非监督学习
- 基础回归类算法
- 基础分类算法
- 集成算法
- 树类模型
- 神经网络类模型
- 强化学习
- GAN生成学习
- 主成分分析
- 降维
- 聚类
-
3.案例
-
3.1. 结构化数据回归实践篇(预测洛杉矶房价)
- 房价数据初探-我们从中可以知道什么？
- 数据集的价值
- 清洗和处理你的数据集
- 用逻辑回归学习来实现你的第一个模型
- 如何评价与分析你的模型
- 特征工程初探-加深特征的功能
- 重新训练并更新你的模型
- 使用模型来预测房价
- 使用神经网络来回归房价
- 什么是神经网络
- 使用Tensorflow构建你的第一个神经网络
- 优化你的网络
-
3.2. 结构化数据分类篇(Titanic生还者分类)
- 数据集如何变成算法
- 数据清洗与数据填充
- Pandas基础讲解
- 数据PCA与白化
- Scilearn基础讲解
- 设计训练评测的Pipeline
- PR曲线与AUC曲线
- Loss函数设计
- 训练集评测集制作
- 使用GBDT对数据进行回归
- 分析你的结果
- 特征工程与超参迭代优化模型
- 关键因子分析
-
3.3. 计算机视觉分类篇(猫狗大战)数据与问题学习
- 了解CNN卷积神经网络
- 基本的卷积神经网络结构
- Loss函数的设计
- 评测方法的设计
- 构建你的第一个Convnet
- 交叉验证
- SDG/Adam/AdamW优化器
- 评测并可视化你的模型
- 通过调参优化你的模型
- VGG网络优化你的模型
- GoogleNet优化你的模型
- ResNet优化你的模型
- 小节
-
3.4. 计算机视觉多分类篇(ImageNet-1000分类)
- 数据集的分析与问题学习
- 多分类问题的分类学习设计
- Loss函数的设计
- 多分类问题的评价方法
- 制作你的训练集/评测集
- 使用GoogleNet/ResNet进行分类和优化
- 超参调整
- 评测你的模型
- 多卡训练
- 如何框架化你的分类模型
- 将模型制作成SaaS服务
- 做一个分类的APP
-
3.5. 计算机视觉检测篇(找找你的狗)
- 数据集观察
- Loss函数的设计
- 朴素检测算法进行检测
- RCNN检测算法进行检测
- Fast-RCNN算法实现
- Faster-RCNN算法实现
- Yolo算法实现
- SSD算法实现
- 各种算法优缺点与效果总结
- 做一个检测的APP
-
-
4.企业实践
- 微软小冰中知识问答与对话技术简介
- 微软小冰中人脸识别技术简介
- 微软小冰中语音技术简介
- 微软推荐技术简介
-
5.小组项目答辩与指导