|
||||||||
|
一、 实验教学内容及教学基本要求 本课程通过实验教学，帮助同学们了解用机器学习方法解决实际问题的操作流程与方案构建过程，理解神经网络的设计原理与应用场景，了解神经网络激活函数和损失函数的种类与作用，能使用pytorch构建常用的神经网络，使用Python完成分类和回归问题的数据处理、模型设计、结果验证。理解卷积神经网络的设计原理，能使用卷积神经网络解决图片分类问题，理解递归神经网络的设计原理，能使用递归神经网络解决文本分类及情感分析问题。最后，同学们可以读懂与机器学习相关的文献，了解机器学习在文本、图像分析处理方面的最新应用。 二、 实验安排 1. 用python实现线性回归模型和逻辑回归模型（2学时） 2. 用python构建adboost模型（2学时） 3. 阅读神经网络原代码，了解pytorch的框架结构和运行原理（2学时） 4. 用pytorch实现文本和图像分类（2学时） 5. 用pytorch建立手写签名识别模型（2学时） 6. 用pytorch建立异常检测模型（2学时） 7. 用pytorch建立降雨量预测模型（2学时） 8. 用pytorch建立时空特征提取模型（2学时） 9. 用pytorch实现注意力机制（2学时） 10. 项目模型设计与实现（2学时）建议教材及参考资料 三、 教材 动手学深度学习，李沐，人民邮电出版社，2019.5 四、 参考教材 机器学习, 周志华, 清华大学出版社; 第1版 机器学习实战:基于Scikit-Learn和TensorFlow, 奥雷利安·杰龙, 机械工业出版社; 第1版 |
下一条：《数据处理技术》实验教学大纲