Отчет Сердце машины
Сердце Машины Редакционный отдел
Возможно, у каждого, кто прошел через колледж, есть ощущение, что они пытались собрать различные материалы курса, но после окончания курса обнаружат, что много важного было упущено. Опыт, суммируемый каждым поколением предшественников, часто постепенно упускается из виду и исчезает, потому что его некуда передать.
Чтобы уменьшить дублирование работы и позволить нам больше не бороться в одиночку, участники из Чжэцзянского университета, Пекинского университета и других отечественных колледжей и университетов запустили проект организации материалов для частных курсов. В настоящее время организованы учебные материалы каждого вуза и созданы собственные веб-сайты, а на GitHub накопилось большое количество звезд.
Это содержимое представляет собой не только электронные версии учебников, но и тестовые работы, обзорные материалы, ответы на упражнения и даже стратегии выбора курсов на протяжении многих лет. Автор выразил надежду, что эти неясные, неопределенные и устные данные и опыт можно будет превратить в открытые, легкодоступные и общие данные, которые все смогут улучшать и накапливать вместе.
В настоящее время эти программы уже включают большинство курсов информатики.
На самом деле, когда дело доходит до плана обмена учебными планами, каждый может вспомнить проект Чжэцзянского университета с открытым исходным кодом, который представляет большое количество учебных стратегий и материалов по математике, физике, информатике, химии и другим общим курсам. Общие проекты Чжэцзянского университета в настоящее время включают более 50 тем, некоторые из которых показаны ниже:
Чжэцзянский университет поделился адресом проекта: https://github.com/QSCTech/zju-icicles
Какие данные машинного обучения надежны
Проекты Чжэцзянского университета с открытым исходным кодом, как один из первых разработанных планов обмена стратегией курса, в основном являются «полными». Но для изучающих машинное обучение эти материалы редко углубляются в основные курсы машинного обучения, они по-прежнему представляют собой относительно широкие материалы по компьютерной тематике. Поэтому здесь мы в основном представляем руководство по курсу Шанхайского университета Цзяотун, которое охватывает большое количество тем в области машинного обучения.
Ресурсы Шанхайского университета Цзяотун очень подходят для понимания содержания обучения и тем, связанных с машинным обучением.В каждом файле курса есть PPT, справочные учебники, задания и заметки.
Адрес проекта: https://github.com/CoolPhilChen/SJTU-Courses
-
компьютер
-
Программирование CS125
-
Структуры данных CS221
-
Анализ и разработка алгоритма CS222
-
CS258 Теория информации
-
Машинное обучение CS385
-
Сигналы и системы EI331
-
EI332 Компьютерная композиция
-
EI338 Инженерия компьютерных систем
-
EI339 Искусственный интеллект
-
Технология базы данных SE305
-
Расширенные алгоритмы
-
математика
-
MA357 Математическая статистика
-
X071571 Метод оптимизации
-
MA26035 Мера и теория вероятностей
Многие из вышеперечисленных тем следует понимать при изучении машинного обучения.Будь то программирование для развития навыков программирования, методы оптимизации для создания «процессов машинного обучения» или непосредственно связанные темы, такие как искусственный интеллект или машинное обучение, мы все должны знать.
Например, в CS385 Machine Learning автор представляет стандартный контент, такой как лекторы и домашние страницы курсов, а также предоставляет учебники, PPT и домашние задания для загрузки. Учебниками являются знаменитые «Распознавание образов и машинное обучение» (Bishop, PRML) и «Машинное обучение» (Zhou Zhihua), а курс PPT охватывает 9 основных тем от простейшей линейной модели до алгоритма EM.
CS385 также предоставляет 5 домашних заданий, каждое из которых содержит несколько вопросов, но решения проблемы мы пока не нашли. Стиль домашнего задания в Шанхайском университете Цзяотун выглядит следующим образом:
Кстати, курс машинного обучения открывается на третьем курсе, заинтересованные читатели могут подробно ознакомиться с этими материалами.
Конечно, другие темы в этом проекте также очень подробны, например, методы оптимизации, и в дополнение к нескольким ресурсам, упомянутым ранее, он также предоставляет дополнительные рукописные заметки в классе. Ниже показаны рукописные «заметки о классе» в методе оптимизации, анализ сходимости градиентного спуска.
Кроме того, весь проект в большей степени полезен для студентов, благодаря предыдущим ресурсам можно понять общее содержание и направление курса, а материалов при просмотре становится больше. Например, по теме теории информации программа также предоставляет материалы для промежуточного экзамена, в которых обобщаются основные понятия теории информации. Ниже приведены некоторые концепции информационной энтропии, которые часто используются в машинном обучении:
Другие домашние курсы
В дополнение к ресурсам учебных программ, представленным ранее, редактор также нашел ресурсы учебных программ нескольких других колледжей и университетов, таких как Пекинский университет, Китайский университет науки и технологий и Университет Цинхуа.
Ресурсы учебной программы Пекинского университета включают профессиональные курсы, общедоступные курсы по выбору, курсы английского языка и другие типы различных курсов. На примере профессиональных курсов автор провел подробную классификацию, таких как искусственный интеллект, введение в искусственный интеллект, абстрактную алгебру и теорию вероятностей. Некоторый контент в последний раз обновлялся два дня назад.
Скриншот учебных ресурсов Пекинского университета
Адрес проекта ресурса курса Пекинского университета: https://github.com/lib-pku/libpku
На данный момент у проекта Github около 12 000 звезд и около 3 800 форков.
Этот ресурс содержит множество промежуточных и выпускных экзаменационных работ Пекинского университета. Сколько вопросов вы можете задать на выпускном экзамене категории B по высшей математике Колледжа информационных наук и технологий 2017–2018 гг.?
Этот ресурсный проект курса Университета науки и технологии Китая включает заметки, резюме, опыт и другой оригинальный контент студентов Университета науки и технологии Китая.
Адрес проекта USTC: https://github.com/USTC-Resource/USTC-Course
Кроме того, с первого года до старшего года в рамках проекта стратегии учебной программы факультета компьютерных наук Университета Цинхуа учебные ресурсы факультета компьютерных наук школы были организованы в соответствии с семестрами. Университет имени Сунь Ятсена также разобрал выпускные экзаменационные работы прошлых лет, обзорные материалы и другой вспомогательный контент. Независимо от того, сколько ресурсов курса доступно, вы должны учиться.Читателям рекомендуется учиться в соответствии со своими потребностями.
Наконец, наследование знаний — это долгосрочная задача, и каждый может продолжать вносить свой вклад!
Об этой статье сообщает Heart of the Machine,Для перепечатки, пожалуйста, свяжитесь с этим официальным аккаунтом для авторизации .
✄------------------------------------------------
Присоединяйтесь к сердцу машины (штатный репортер / стажер): hr@jiqizhixin.com
Чтобы внести свой вклад или получить покрытие:content@jiqizhixin.com
Реклама и деловое сотрудничество: bd@jiqizhixin.com