教学大纲

以下为大致的内容大纲，具体内容会根据上课进度进行动态调整

理论课

机器学习

• 有监督学习
  • 感知机模型
  • K近邻方法
  • 朴素贝叶斯方法
  • 决策树方法
  • logistic regression 与 softmax
  • 支持向量机
• 无监督学习
  • 聚类方法
  • 奇异值分解
  • 主成分分析

深度学习

• 卷积神经网络CNN
• 生成对抗网络GAN
• 自然语言处理：Transformer
• 强化学习

上机课

Python基础

• Python编程环境的使用，Python基本概念以及Python的学习方式
• 数据读取与处理及展示：文本、图片

框架与算法

• pytorch
• autograd
• tensorboard
• （Optional）从零开始实现一个简易的深度学习框架