You can not select more than 25 topics Topics must start with a chinese character,a letter or number, can include dashes ('-') and can be up to 35 characters long.

Targets.md 1.1 kB

3 years ago
3 years ago
3 years ago
3 years ago
1234567891011121314151617181920212223242526272829303132333435363738394041424344
  1. # 需要达到的水平
  2. 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?
  3. ## 1. Python编程基础
  4. * [ ] Python的基本语法
  5. * [ ] 基本类型、基本的语句
  6. * [ ] 函数
  7. * [ ] 类
  8. * [ ] 常用库
  9. ## 2. 第三方库
  10. * [ ] iPython, Jupyter Notebook
  11. * [ ] Numpy
  12. * [ ] Matplotlib
  13. * [ ] scipy
  14. * [ ] scikit-learn
  15. * [ ] pandas
  16. * [ ] PyTorch
  17. ## 3. 工具
  18. * [ ] 能否熟练使用`Git`管理代码、文档
  19. * [ ] 能否使用`Markdown`来编写文档
  20. * [ ] 是否会用Jupyter Notebook编写代码
  21. * [ ] 是否会用Linux
  22. ## 4. 机器学习算法
  23. * [ ] 监督学习、无监督学习的基本概念
  24. * [ ] knn的算法原理,距离计算
  25. * [ ] kMeans的算法原理,程序实现
  26. * [ ] Logistic Regression的原理与实现
  27. * [ ] 多层神经网络的原理与实现
  28. * [ ] CNN的原理与实现
  29. * [ ] 使用PyTorch编写深度神经网络的代码
  30. ## 5. 思维、方法论
  31. * [ ] 如何分析问题,梳理项目的整体内容、计算点
  32. * [ ] 分析出关键的技术点
  33. * [ ] 如何去找相关资料

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》。