MIL Learning Group 2017autumn

Group Leader：钱哲琦、曹骁威
本页面将会持续维护直到学期末...

如果你有任何疑问，请善用 Issues 功能提问（当然它的功能不止于此）。
Issues已经添加模板，以帮助大家规范格式。

通过 Pull requests 功能将完成日常的更新和维护，以及作业的审批流程。
请不要直接使用 Push 功能，即使后期将会给组内成员开放权限！

在线文档 Autumn 2017 进度记录，学员可以查询相关信息，如果信息有误请及时通知。

Schedule and Syllabus

来自于今年的暑期班课程与deeplearning.ai的深度学习课程暑期班课程组织设计与管理： @wolegechu

后面的大纲内容会进行一定的调整，不会与暑期班完全相同，但它依旧是一个很好的参考大纲。

时间	内容概要	相关材料
10.23前	开始前的工作：团队协作与文档写作提问的智慧	任务
10.21-11.5	工具安装 Anaconda 与 Jupyter Notebook Python和数据科学包回归：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	任务
	分类：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）
	经典算法：支撑向量机图像特征：SIFT, Visual BoW
	无监督学习：聚类：K-means, K-means++ 降维：PCA, ICA, ZCA, LLE, AE 作业：客户聚类
	神经网络DNN&CNN：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
	神经网络提升：神经网络的训练物体检测与分割卷积神经网络的可视化与理解训练卷机神经网络的工程技巧论文阅读：Deep Learning 推荐阅读论文（余宙）
	递归神经网络：网络：RNN, LSTM