【结业答辩】内容安排

[wqw547243068]

结业安排

5月25日，中文分支的5次课程结束，接下来是验收环节

• 时间：两周后的6月16日下午17：00-19：00
• 地点：老地方，清华数据科学研究院
• 内容：大家任选主题，（单选、多选不限），中英文分支一起汇报
• 分组：根据时间、主题，我们会做适当调整
• 评估：平时作业+现场表现（权重60%：40%），根据最终得分，决定是否符合毕业资质，颁发证书

选题

• 请大家于本周五（5月31日）前，完成报名及选题
  • 报名方式：本issue下回复即可
• 格式

• 汇报人：小明，github账号，线下班/线上班，参加3次课程
• 平时作业：必选三道（持续更新链接）+ 可选（非必须，持续更新链接）
• 汇报主题：学习总结/专题报告-学习率优化方案/Kaggle比赛

平时作业

• 平时作业：中文系列的5次课中，布置了很多作业，不要求都完成：
  • 【必选】宠物分类实践：动手实践，最好有自己的优化
  • 【必选】机器学习专题：熟记机器学习基本概念、流程，完成iris分类、回归预测案例，同时拆解第一课的宠物分类代码，看看有哪些环节缺失，提出自己的见解
  • 【必选】神经网络专题：神经网络基本构成，用tf、pytorch、keras实现mnist分类（如果是别的项目更好）
  • 【可选】CNN与CV：CNN基本流程，CV应用点，想办法去优化宠物分类准确率
  • 【可选】RNN与NLP：RNN基本流程，NLP应用点，文本挖掘实战，聊天机器人实战
• 注：以上作业资料甚至代码都在ppt、主页里

汇报主题

• 主要有三类，大家任选一个，鼓励多选
• 按照难易程度递增如下：
  • （1）学习总结：汇总历次课程的心得，总结到自己的github/ppt，一定要是自己写的，别copy，目的是让大家构建自己的深度学习知识体系，横向打基础
  • （2）专题报告：根据课程中遇到的问题，选一个技术点，深入研究，整理出来（github/ppt），给大家讲解，这部分属于深度上的扩展
  • （3）Kaggle比赛：去kaggle选一个题目，尝试解决，名次最好能达到top 30%，同时整理自己的参赛经过
    • 注意：选择kaggle的人，请关注这个帖子，以及：
      • kaggle数据挖掘比赛经验分享
      • 分分钟带你杀入kaggle top 1%
      • kaggle求生：亚马逊热带雨林

备注

• 希望大家好好准备
• 学习是自己的事情，越是认真对待，学到的越多，对自己负责，加油！

[ztq222]

汇报人：张天奇，ztq222，线下班，参加4次课程
平时作业：必选三道 + CNN与CV（不一定能做出来）
汇报主题：Kaggle比赛

[huakaibanmu]

汇报人:王瑞华，huakaibanmu，线下班，参加线下三次课程（另线上两次）
平时作业：必选三道+RNN与NLP
汇报主题：kaggle比赛

[daaafuuu]

汇报人:黄安付，daaafuuu，线下班，参加线下后三次课程
平时作业：必选三道+RNN与NLP
汇报主题：专题报告

---

可否注明下专题名称？

结合深度学习花书优化算法章节内容基础，分享对fit_one_cycle的理解。

[zhouqihong]

汇报人：蒋宝尚，jiangbaosahng, 线下班，参加5次课程
平时作业：必选三道 + RNN与NLP（不一定能做出来）
汇报主题：（1）学习总结

汇报人：刘毅然，jllstone，线下班/线上班，参加2次线上3次线下课程
平时作业：必选三道+ 可选CNN与CV
汇报主题：学习总结

汇报人：谭永川，from0to8，线下班/线上班，参加1次线上2次线下课程
平时作业：必选三道+ 可选CNN与CV
汇报主题：学习总结

汇报人:王瑞华，huakaibanmu，线下班，参加线下三次课程（另线上两次）
平时作业：必选三道+RNN与NLP
汇报主题：学习总结+kaggle比赛(尝试)

汇报人：周启红，zhouqihong, 线下班，参加5次课程
平时作业：必选三道 + RNN与NLP（不一定能做出来）
汇报主题：（1）学习总结

[LiJinghua18]

汇报人：李婧华，LiJinghua18，线下班，参加3次线下课，1次线上课
平时作业：必选三道 + 可选CNN与CV
汇报主题：学习总结

[xc2017]

汇报人：邢畅，xc2017，线下班，参加3次线下课程
平时作业：必选三道+ 可选CNN与CV
汇报主题：学习总结

[wqw547243068]

介绍 Introduction

• 时间：2019-06-16
• 中文分支的往期内容及课件，见地址
• 答辩现场，由于学员较多，时间长，从16:00-19:40，衷心感谢各位坚持到最后
  
  
  • Clear image,Clear image

中文分支 Chinese branch

1. 第一位 邢畅, xingchang, 16:07，学习总结，在地理信息系统里的应用
   • 介绍了GIS领域的应用，整理了详细的学习笔记、脑图
2. 第二位 张天奇，Tianqi.Zhang，16:27，kaggle比赛，基于新闻语料的股价涨跌预测，Eric Zhang
   • 成绩：356/2800, ≈13%，4个人的团队，负责特征工程+多线程实现，xgboost主要负责分类
   • 提问：
     • xGBoost的原理，既可以用于分类，还可以用于回归
     • 代码里将的metric用的是MSE，而xgb导入的是分类器，看似矛盾？
3. 第三位 五个人，推荐资料：数学基础张宇36讲，课程内容回顾；
   • 蒋宝尚，mnist的python实现，文本分析（大爆炸+华为+五月天）
   • 周启红，学术文章关键词提取，学习过程中遇到的坑儿
   • 王瑞华，视频汇报
4. 第四位 黄安付，17:15，专题报告：fit_one_cycle()详解
   • 优化算法，鞍点（saddle point），病态矩阵，粒子群算法
   • 提问：动量解释，附加SGD系列优化算法演进，An overview of gradient descent optimization algorithms,How to Escape Saddle Points Efficiently,SGD算法比较，如下图，注意：v是动量部分，g是梯度部分
5. 第五位 李靖华，17:36，学习总结
   • git，学习方法总结
   • 实习经历，4w张图片分类，用代码1天完成，做事情时先别急着动手
   • 成功拿到创新工场的实习机会，新人到职场的华丽蜕变

英文分支 English branch

• 张子涵, I wrote a short article with some doodling on neural networks and how they work. Here is the link if you want to check it out medium文章
• Mohamed Amine Aguir的Convolutional Neural Network
• Nabil Affo的Uber ride评论分类项目，jupyter代码, Medium文章Loss functions in machine learning and deep learning
• Alexander R Kivaisi, Categorizing Soccer Teams（代码见资料汇总区）, Medium文章Data Augmentation
• Min Wang(汪敏)
• Yuanyuan，CFAIR-10图像分类

资料汇总 Resources

• 部分学员的答辩整理已收集到目录, 欢迎大家积极分享自己的资料，共同学习，添加方式，回复本帖
• Part of the resources have been collected to this address, it's recommended to share your own ppt/code/post here by reply bellow, learn from each other
• 大部分基础知识以及扩展资料都在之前的课程ppt中,多看SoAI主页The School of AI Beijing，毕业了并不代表学完了，或者真的学好了，请大家有空多温习，少走弯路