ronnyyoung/ntu-ml-notes

ntu-ml-notes's Issues

在深度学习调试技巧章节增加batchnorm的介绍

有道笔记－>深度学习方法集->BatchNorm

概率生成模型部分的笔记增加cs229课上的部分内容

逻辑回归章节补充cs229里的指数分布族相关知识

线性回归InAction

• 线性回归选择MSE作为损失函数的数学原因
• 有意思的数据
• Numpy的从头实现
• 用Pytorch的实现
• 使用最小二乘的实现（顺便介绍原理，线性方程组，矩阵投影）

整理神经网络的调参经验

https://zhuanlan.zhihu.com/p/29247151

加强核素贝页斯部分的介绍与示例

逻辑回归InAction

• 有意思的数据
• Numpy的从头实现
• 用Pytorch的实现

分类问题之概率生成模型代码

数据：https://www.kaggle.com/abcsds/pokemon

通过Mnist和Pytorch来演示神经网络调参中的各个技巧

整理cs231n中CNN的笔记，同时CNN InAction可以用Cs231n中的作业

降维

• PCA的公式推层（包括线性空间、向量投影、特征值意义等）
• PCA进行降维的实战，并做原图重建。
• t-SNE算法在Mnist上的动手实验
• 层次聚类算法在人脸聚类上进行实验看效果。