From 56277de92b9b365684777850c7175cff2c5fb9b7 Mon Sep 17 00:00:00 2001 From: bushuhui Date: Mon, 30 Aug 2021 17:25:10 +0800 Subject: [PATCH] Add targets --- README.md | 10 +++++----- Targets.md | 41 +++++++++++++++++++++++++++++++++++++++++ 2 files changed, 46 insertions(+), 5 deletions(-) create mode 100644 Targets.md diff --git a/README.md b/README.md index 5fefba9..60e235d 100644 --- a/README.md +++ b/README.md @@ -1,6 +1,6 @@ # 机器学习 -机器学习越来越多应用到飞行器、机器人等领域，其目的是利用计算机实现类似人类的智能，从而实现装备的智能化与无人化。本课程旨在引导学生掌握机器学习的基本知识、典型方法与技术，通过具体的应用案例激发学生对该学科的兴趣，鼓励学生能够从人工智能的角度来分析、解决飞行器、机器人所面临的问题和挑战。本课程主要内容包括Python编程基础，机器学习模型，无监督学习、监督学习、深度学习基础知识与实现，并学习如何利用机器学习解决实际问题。 +机器学习越来越多应用到飞行器、机器人等领域，其目的是利用计算机实现类似人类的智能，从而实现装备的智能化与无人化。本课程旨在引导学生掌握机器学习的基本知识、典型方法与技术，通过具体的应用案例激发学生对该学科的兴趣，鼓励学生能够从人工智能的角度来分析、解决飞行器、机器人所面临的问题和挑战。本课程主要内容包括Python编程基础，机器学习模型，无监督学习、监督学习、深度学习基础知识与实现，并学习如何利用机器学习解决实际问题，从而全面提升自我的[综合能力](Targets.md)。 由于**本课程需要大量的编程练习才能取得比较好的学习效果**，因此需要认真去完成[《机器学习-作业和报告》](https://gitee.com/pi-lab/machinelearning_homework)，写作业的过程可以查阅网上的资料，但是不能直接照抄，需要自己独立思考并独立写出代码。 @@ -13,6 +13,7 @@ 1. [课程简介](CourseIntroduction.pdf) 2. [Python](0_python/) - [Install Python](references_tips/InstallPython.md) + - [ipython & notebook](0_python/0-ipython_notebook.ipynb) - [Python Basics](0_python/1_Basics.ipynb) - [Print Statement](0_python/2_Print_Statement.ipynb) - [Data Structure 1](0_python/3_Data_Structure_1.ipynb) @@ -23,7 +24,6 @@ 3. [numpy & matplotlib](1_numpy_matplotlib_scipy_sympy/) - [numpy](1_numpy_matplotlib_scipy_sympy/1-numpy_tutorial.ipynb) - [matplotlib](1_numpy_matplotlib_scipy_sympy/2-matplotlib_tutorial.ipynb) - - [ipython & notebook](1_numpy_matplotlib_scipy_sympy/3-ipython_notebook.ipynb) 4. [knn](2_knn/knn_classification.ipynb) 5. [kMeans](3_kmeans/1-k-means.ipynb) 6. [Logistic Regression](4_logistic_regression/) @@ -74,7 +74,7 @@ 2. 每个课程前半部分是理论基础，后半部分是代码实现。如果想学的更扎实，可以自己把各个方法的代码亲自实现一下。做的过程如果遇到问题尽可能自己想解决办法，因为最重要的目标不是代码本身，而是学会分析问题、解决问题的能力。 3. **不能直接抄已有的程序，或者抄别人的程序**，如果自己不会要自己去想，去找解决方法，或者去问。如果直接抄别人的代码，这样的练习一点意义都没有。**如果感觉太难，可以做的慢一些，但是坚持自己思考、自己编写练习代码**。。 4. **请先遍历一遍所有的文件夹，了解有什么内容，资料**。各个目录里有很多说明文档，如果不会先找找有没有文档，如果找不到合适的文档就去网上找找。通过这个过程锻炼自己搜索文献、资料的能力。 -5. 本课程的练习题最好使用[Linux](https://gitee.com/pi-lab/learn_programming/blob/master/6_tools/linux)以及Linux下的工具来做。逼迫自己使用[Linux](https://gitee.com/pi-lab/learn_programming/blob/master/6_tools/linux)，只有多练、多用才能快速进步。如果实在太难，先在虚拟机（建议VirtualBox）里装一个Linux（例如Ubuntu，或者LinuxMint等），先熟悉一下。但是最终需要学会使用Linux。 +5. 本课程的练习题最好使用[《Linux》](https://gitee.com/pi-lab/learn_programming/blob/master/6_tools/linux)以及Linux下的工具来做。逼迫自己使用[《Linux》](https://gitee.com/pi-lab/learn_programming/blob/master/6_tools/linux)，只有多练、多用才能快速进步。如果实在太难，先在虚拟机（建议VirtualBox）里装一个Linux（例如Ubuntu，或者LinuxMint等），先熟悉一下。但是最终需要学会使用Linux。 @@ -94,7 +94,7 @@ * [Python tips](references_tips/python) * Git - * [Git Tips - 常用方法速查，快速入门](https://gitee.com/pi-lab/learn_programming/blob/master/6_tools/git/git-tips.md) + * [Git Tips - 常用方法速查，快速入门](https://gitee.com/pi-lab/learn_programming/blob/master/6_tools/git/README.md) * [Git快速入门 - Git初体验](https://my.oschina.net/dxqr/blog/134811) * [在win7系统下使用TortoiseGit(乌龟git)简单操作Git](https://my.oschina.net/longxuu/blog/141699) * [Git系统学习 - 廖雪峰的Git教程](https://www.liaoxuefeng.com/wiki/0013739516305929606dd18361248578c67b8067c8c017b000) @@ -107,7 +107,7 @@ ## 4. 更进一步学习 在上述内容学习完成之后，可以进行更进一步机器学习、计算机视觉方面的学习与研究，具体的资料可以参考： -1. 编程是机器学习研究、实现过程非常重要的能力，编程能力弱则无法快速试错，导致研究进度缓慢；如果编程能力强，则可以快速试错，快速编写实验代码等。强烈建议大家在学习本课程之后或之中，好好把数据结构、算法等基本功锻炼一下。具体的教程可以参考[《一步一步学编程》](https://gitee.com/pi-lab/learn_programming) +1. 编程是机器学习研究、实现过程非常重要的能力，编程能力弱则无法快速试错，导致学习、研究进度缓慢；如果编程能力强，则可以快速试错，快速编写实验代码等。强烈建议大家在学习本课程之后或之中，好好把数据结构、算法等基本功锻炼一下。具体的教程可以参考[《一步一步学编程》](https://gitee.com/pi-lab/learn_programming) 2. 飞行器智能感知与控制实验室-培训教程与作业：这个教程是实验室积累的机器学习与计算机视觉方面的教程集合，每个课程介绍基本的原理、编程实现、应用方法等资料，可以作为快速入门的学习材料。 - [《飞行器智能感知与控制实验室-暑期培训教程》](https://gitee.com/pi-lab/SummerCamp) - [《飞行器智能感知与控制实验室-暑期培训作业》](https://gitee.com/pi-lab/SummerCampHomework) diff --git a/Targets.md b/Targets.md new file mode 100644 index 0000000..ba584fa --- /dev/null +++ b/Targets.md @@ -0,0 +1,41 @@ +# 需要达到的水平 + +通过一步一步拓展自己的能力范围，逐步达到下述的能力。大家需要思考如何达到下面所列的能力，如何有效评估自己的能力是否达到？ + + +## 1. Python编程基础 +* [ ] Python的基本语法 +* [ ] 基本类型、基本的语句 +* [ ] 函数 +* [ ] 类 +* [ ] 常用库 + +## 2. 第三方库 +* [ ] Numpy +* [ ] Matplotlib +* [ ] scipy +* [ ] scikit-learn +* [ ] PyTorch + + +## 3. 工具 +* [ ] 能否熟练使用`Git`管理代码、文档 +* [ ] 能否使用`Markdown`来编写文档 +* [ ] 是否会用Jupyter Notebook编写代码 +* [ ] 是否会用Linux + + +## 4. 机器学习算法 +* [ ] 监督学习、无监督学习的基本概念 +* [ ] knn的算法原理，距离计算 +* [ ] kMeans的算法原理，程序实现 +* [ ] Logistic Regression的原理与实现 +* [ ] 多层神经网络的原理与实现 +* [ ] CNN的原理与实现 + + +## 5. 思维、方法论 +* [ ] 如何分析问题，梳理项目的整体内容、计算点 +* [ ] 分析出关键的技术点 +* [ ] 如何去找相关资料 +