camalab_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）。
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！

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

内容会根据学习情况有一定的调整优化。

时间	内容概要	相关材料
	开始前的工作： 团队协作与文档写作 提问的智慧 Anaconda 与 Jupyter Notebook Python和数据科学包
	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
	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