一、前言
为了尽快入门机器学习与深度学习,掌握核心理念和模型架构,尽快投入项目进行实战,拟开展以下的课程学习计划,无特殊情况从5月23日开始实施。请同学们重视本次的集中学习,便于后续开展科研工作。
没用过Python的同学,可从网上搜索相关文字或视频资源自行学习,掌握基础即可(Python教程-廖雪峰的官方网站,供参考)。
二、深度学习基础快速入门(5月23日~6月29日)
- 目的:初步了解基础知识,掌握整体框架。
- 学习材料:动手学深度学习-文字版;
视频讲解:跟李沐学AI_哔哩哔哩_bilibili
整理笔记:动手学深度学习-课程笔记 - 学习方式:网课+课后代码练习+定期汇报和讨论。
网课总时长约34小时,按照主题和时长分为23节课(课程安排见第四部分)。 - 考核方式:代码复现及讲解。包括模型架构(可以做成PPT、图片或word文档,格式不限,但力求便于讲解)、模型代码的讲解(非逐行讲解,对应于模型架构,把关键的运行流程和核心组件讲解清楚即可)。
- 组织方式:汇报+讨论的方式。每人20~30分钟,最后讨论30分钟。
三、生物信息学基础快速入门(时间自己安排即可)
- 目的:了解重点生物学及生物信息学知识。
- 学习方式:
视频网课:山东大学生物信息学(高清原版课程带全套课件)_哔哩哔哩_bilibili - 需要学习的章节:
3.1 常见数据库的使用方法 (2.2-2.10);
3.2 熟悉序列比对blast (3.1-3.10);
3.3 系统发生树的构建 (4.1-4.5);
3.4 蛋白质的多级结构 (5.1-5.3 , 5.6-5.10);【重点学习部分,与后续研究课题高度相关】
3.5 Linux系统及常用命令(9.1-9.2);【重点学习部分,编程基础】 - 组织方式:根据个人情况自行安排时间学习。
四、课程安排
课程序号 | 课程主题 | 日期 |
---|---|---|
2~3 | 1. 环境安装、预备知识 | 5月23日 |
4~7 | 2. 数学基础 | 5月24日 |
8 | 3. 线性回归 | 5月25日 |
9 | 4. 损失函数 | 5月26日 |
10 | 5. 多层感知机 | 5月27日 |
11~13 | 6. 模型选择 | 5月30日 |
14 | 7. 激活函数 | 5月31日 |
15, 18 | 8. 实战 I | 6月01日 |
考核汇报 | Kaggle房价预测模型复现及讲解 | 6月03日 |
16~17 | 9. PyTorch基础 | 6月06日 |
19~22 | 10. 卷积基础 | 6月07日 |
23~24 | 11. 经典CNN | 6月08日 |
25~27 | 12. 高阶CNN | 6月09日 |
28~29.2 | 13. ResNet | 6月10日 |
30, 38 | 14. 实战II | 6月11日 |
考核汇报 | CNN模型复现及讲解 | 6月13日 |
36~37 | 15. 数据增广及微调 | 6月14日 |
51~53 | 16. 序列、文本、语言 | 6月15日 |
54~55 | 17. RNN基础 | 6月16日 |
56~60 | 18. 高阶RNN | 6月17日 |
考核汇报 | RNN模型复现及讲解 | 6月20日 |
61~63 | 19. 注意力前置课程 | 6月21日 |
64~67 | 20. 自注意力机制 | 6月22日 |
68 | 21. Transformer | 6月23日 |
考核汇报 | Transformer模型复现及讲解 | 6月27日 |
69~70 | 22. BERT | 6月28日 |
72~73 | 23. 优化算法及总结 | 6月29日 |
总时长 | 34小时 |