Skip to content
杭电 MIL 机器学习暑期研讨班
Branch: master
Clone or download
Permalink
Type Name Latest commit message Commit time
Failed to load latest commit information.
Week_1 change the distance link in Week_1/README.md Sep 13, 2018
Week_2 add 第四周作业互评方案‘ Aug 15, 2017
Week_3 增加报告模版。作业要求在周六9:00前提交。 Aug 3, 2017
Week_4
Week_6 Add good work in week_6 Aug 28, 2017
Week_7 add CNN slides and update readme Sep 1, 2017
Week_8
.gitignore
2017-09-22.md Add graduation list Sep 22, 2017
2017.9.7_目标跟踪报告_已更新.pptx
Deep_Learning_Papers.pdf Add report time arrangement Aug 29, 2017
IQA_PQA_BQA_applications_FeiGao.pdf Update README, add report slides, and update week_8 Sep 6, 2017
README.md Update README.md May 10, 2018
kuang_3D_Shape_Representation.pdf Update README, add report slides, and update week_8 Sep 6, 2017

README.md

MIL 机器学习暑期研讨班(2017)

研讨班技术报告总安排

  • 内容
    • 8月23日(周三):罗宇矗,强化学习入门 [intro]

    • 8月28日(周一):罗宇矗,深度强化学习简介 [intro]

    • 8月29日(周二):高飞,图像质量评价及应用 [slides]

    • 8月30日(周三):谭敏,基于点击数据的图像识别

    • 8月31日(周四):余宙,现代 CNN 网络结构演化 [slides]

    • 9月05日(周二):余宙,视觉内容自动问答 VQA

    • 9月06日(周三):匡振中,三维形状表达及其应用 [slides]

    • 9月07日(周四):朱素果,视觉跟踪方法研究 [slides]

  • 地点:东区会议室
  • 时间:9:00-11:30
  • 安排:(45min 讲解 + 讨论 + 5min 休息) * 3
  • 部分报告内容因涉及一些未发表和计划中的工作没有公开,感兴趣的同学可以与相关老师邮件联系(邮箱地址在老师个人主页),参与实验室相关科研项目。(加入 CAMA-LAB

整体内容安排

机器学习

第一周:热身 (7 月 17 日 - 7 月 22 日)

  • Python 编程基础
  • 图像表示:
    • 矩阵、颜色空间
    • 图像特征:像素值、颜色直方图、梯度直方图、LBP
    • 作业:图像读写、特征提取
  • 回归:
    • 算法:线性回归,线性回归+正则项(L1, L2)
    • 优化:梯度下降法
    • 测度:欧式距离、街区距离、范数、Loss
    • 作业:波士顿房价预测

第二周:分类 (7 月 24 日 - 7 月 29 日)

  • 算法:k-NN, Logistic Regression, 决策树
  • 作业:
    • MNIST 手写数字识别、CIFAR-10 图像分类
    • 采用第一周的特征 + 第二周的方法(多种组合,对比结果)
    • 井字棋胜负判断 (需动手实现 ID3 决策树算法)

第三周:经典算法 (8 月 1 日 - 8 月 5 日)

  • 支撑向量机
    • 推荐博文:SVM《理解SVM的三层境界》
  • 图像特征:SIFT, Visual BoW
  • 作业:井字棋胜负判断 (允许使用 scikit-learn 等 Package)

第四周:无监督学习(Unsupervised Feature Learning, Manifold Learning) (8 月 7 日 - 8 月 12 日)

  • Andrew Ng 论文
  • 聚类:K-means, K-means++
  • 降维:PCA, ICA, ZCA, LLE, AE
  • 作业:客户聚类
  • 推荐阅读:pluskid 博客

扩展:

  • 经典方法:谱聚类、朴素贝叶斯、EM算法、稀疏编码 Sparse Coding
  • 集成学习:Adaboost, Random Forest, gdbt (XGBoost)
  • 结构化学习 Structured Learning
  • 排序学习 Learning to Rank
  • 强化学习 Reinforcement Learning
  • 模仿学习 Imitation Learning

深度学习

第六周:神经网络 DNN&CNN (8 月 21 日 - 8 月 26 日)

  • 概念:卷积, Pooling, Stride, Padding, Data Augmentation, Learning Rate, Momentum, Softmax, ReLU, BP, SGD, Cross-Entropy Loss
  • 网络:LeNet, AlexNet, VGGnet, GoogLeNet, ResNet
  • 框架:Keras
  • 作业:mnist 数字序列识别

第七周:神经网络提升 (8 月 28 日 - 9 月 2 日)

第八周:递归神经网络(9 月 4 日 - 9 月 8 日)

  • 网络:RNN, LSTM
  • 作业:Image Captioning,使用框架实现

扩展:

毕业名单

  • Exceptional Performance
    • 研究生:方振影、李敬、周剑
    • 本科15:罗同桉、章天浩、连以宁、杨炳彦
  • Outstanding Performance
    • 研究生:宋怡君、张鑫、王贵军、朱静洁、徐兴歆、宫晓伟、黄菲
    • 本科15:叶家豪、于俊泽、方楠、唐柳、王鹏潇、沈亦韬、盛雷
    • 本科16:曹骁威
  • Good Performance
    • 本科15:胡启韬、侯自愿、王子奇、王振哲、荆星阳
    • 本科16:朱捷咏、赵文波、石平河

主要人员

教师 - - - - -
俞俊 高飞 谭敏 余宙 朱素果 匡振中
助教
罗宇矗 钱哲琦 朱朝阳 项晨钞 施圣洁 张海超
孟宣彤 郑光剑 吴炜晨

介绍

  • 面向对象:准研一学生 + 大一、大二本科生
  • 场地:杭电东校区
  • 时间:7月17号-9月15号 (工作日:8:00-17:30)
  • 内容
    • 机器学习/深度学习 + 计算机视觉应用
    • 课题/项目:选择部分学生,参与老师的研究课题/项目
  • 形式
    • 每周
      • 老师指定学习内容,并进行部分讲解
      • 学生自学为主,鼓励自由讨论
      • 定期开会讨论
      • 提交技术报告(算法思想、编程实现、实验结果及分析)
    • 暑期结束
      • 提交大报告、项目总结
      • 选择部分学生,在 2017-18 学年持续参与老师课题
  • 讨论方式
    • 线下:东区和老师、研究生学长交流
    • 线上:Twist 为主,QQ 群为辅
  • 高强度、严要求、安全第一
  • 关于作业
    • 每周一会对上周的作业进行讲解
      • 讲解幻灯片和相关资料会上传到 Github
    • 每周三会发布一份上周作业的标准答案
      • 标准答案会发布到 Twist 上
You can’t perform that action at this time.