En güçlü öğrenim materyalleri: Çin'deki birçok önemli üniversitenin kursları için bir rehber
Belki de bir üniversite kariyeri yaşamış olan herkes şu duyguyu hissedecektir: bir kez çeşitli kurs materyalleri toplamaya çalıştı, ancak bir kursu tamamladıktan sonra, birçok önemli içeriğin eksik olduğunu görecekler. Her nesilden önceki nesillerin özetlediği deneyim, geçecek hiçbir yer olmadığı için genellikle gözden kaçar ve ortadan kaybolur.
Tekrarlayan çalışmayı azaltmak ve artık yalnız savaşmamıza izin vermek için, Zhejiang Üniversitesi ve Peking Üniversitesi gibi yerel üniversitelerden katkıda bulunanlar, ders materyalleri için bir sivil toplum örgütü başlattılar. Şu anda, çeşitli üniversiteler kurs materyallerini düzenlemek için kendi web sitelerini organize ettiler ve GitHub'da çok sayıda Yıldız biriktirdiler.
Bu içerikler sadece ders kitabının elektronik versiyonu değil, aynı zamanda geçmiş sınav kağıtları, gözden geçirme materyalleri, alıştırma cevapları ve hatta ders seçim stratejileridir. Yazar, bu belirsiz, belirsiz ve ağızdan ağza bilgi ve deneyimlerin, herkesin geliştirebileceği ve biriktirebileceği, halka açık, kolay erişilebilir ve paylaşılan bilgilere dönüştürülebileceği umudunu dile getirdi.
Bu projeler şu anda çoğu bilgisayar bilimi dersini içermektedir.
Aslında, ders stratejisi paylaşım planı söz konusu olduğunda, herkes matematik, fizik, bilgisayar, kimya ve diğer genel derslerden çok sayıda ders stratejisi ve materyali tanıtan Zhejiang Üniversitesi açık kaynak projesini düşünebilir. Zhejiang Üniversitesi'nin ortak projeleri şu anda 50'den fazla tema içermektedir ve bunlardan bazıları aşağıda gösterilmiştir:
Zhejiang Üniversitesi proje adresini paylaştı: https://github.com/QSCTech/zju-icicles
Hangi makine öğrenimi materyali daha iyidir
Oluşturulan ilk müfredat strateji paylaşım programlarından biri olan Zhejiang Üniversitesinin açık kaynak projeleri çoğunlukla "dolu" dur. Ancak makine öğrenimi öğrenenleri için bu materyaller, ML temel kurslarına nadiren derinlemesine giriyor ve nispeten kapsamlı bilgisayar bilimi materyalleridir. Bu nedenle, burada esas olarak ML alanında çok sayıda konu içeren Şangay Jiaotong Üniversitesi kurs stratejisini tanıtıyoruz.
Şangay Jiaotong Üniversitesi'nin kaynakları, makine öğrenimi ile ilgili öğrenme içeriğini ve konularını anlamak için çok uygundur.Her kurs dosyasında PPT, referans ders kitapları, ev ödevleri ve notlar bulunur.
Proje adresi: https://github.com/CoolPhilChen/SJTU-Courses
bilgisayar
CS125 programlama
CS221 veri yapısı
CS222 algoritma analizi ve tasarımı
CS258 Bilgi Teorisi
CS385 Makine Öğrenimi
EI331 Sinyal ve Sistem
EI332 bilgisayar bileşimi
EI338 Bilgisayar Sistem Mühendisliği
EI339 yapay zeka
SE305 veritabanı teknolojisi
Gelişmiş algoritma
matematik
MA357 Matematiksel İstatistik
X071571 optimizasyon yöntemi
MA26035 Ölçüm ve Olasılık Teorisi
Makine öğrenimini öğrenirken yukarıdaki konuların çoğu anlaşılmalıdır. İster programlama becerileri oluşturmak için programlama becerileri, ister makine "öğrenme süreçleri" oluşturmak için optimizasyon yöntemleri veya yapay zeka veya makine öğrenimi gibi doğrudan ilgili konular olsun, hepimiz anlamalıyız.
Örneğin, CS385 makine öğreniminde yazar, öğretim görevlileri ve kurs ana sayfaları gibi standart içeriği tanıttı ve ayrıca ders kitapları, PPT ve ev ödevi indirmeleri sağladı. Ders kitapları ünlü "Örüntü Tanıma ve Makine Öğrenimi" (Bishop, PRML) ve "Makine Öğrenimi" (Zhou Zhihua) 'dır. PPT kursu, en basit doğrusal modelden EM algoritmasına kadar 9 ana konuyu kapsar.
CS385 ayrıca 5 ev ödevi sağlar ve her ev ödevi birden fazla soru içerir, ancak şimdilik herhangi bir çözüm bulamadık. Şangay Jiaotong Üniversitesi'nin ödev tarzı aşağıdaki gibidir:
Bu arada, makine öğrenimi kursu üçüncü yılın bir sonraki yılında başlıyor.İlgilenen okuyucular bu materyalleri ayrıntılı olarak okuyabilir.
Elbette bu projenin diğer konuları da optimizasyon yöntemleri gibi çok detaylı, yukarıda belirtilen kaynaklara ek olarak sınıfta el yazısı notlar da veriyor. Aşağıda, optimizasyon yönteminde elle yazılmış "sınıf notları" ve gradyan inişinin yakınsama analizi gösterilmektedir.
Ek olarak, projenin tamamı okuldaki öğrencilere daha fazla yardımcı olacaktır.Önceki kaynaklar aracılığıyla, kursun genel içeriğini ve yönünü anlayabilirsiniz ve gözden geçirirken daha fazla materyal olacaktır. Örneğin, bilgi teorisi konusunda, proje aynı zamanda ara sınav için bilgi teorisinin temel kavramlarını özetleyen gözden geçirme materyalleri sağlar. Aşağıda, makine öğreniminde sıklıkla kullanılan bazı bilgi entropisi kavramları verilmiştir:
Diğer yurt içi kurslar
Editör, yukarıda sunulan müfredat kaynaklarına ek olarak, Peking Üniversitesi, Çin Bilim ve Teknoloji Üniversitesi ve Tsinghua Üniversitesi gibi diğer bazı üniversitelerin müfredat kaynaklarını da buldu.
Peking Üniversitesinin müfredat kaynakları arasında profesyonel kurslar, halka açık seçmeli dersler, İngilizce kursları ve diğer farklı kurslar bulunmaktadır. Mesleki dersleri örnek alan yazar, yapay zeka, yapay zekaya giriş, soyut cebir ve olasılık teorisi gibi detaylı sınıflandırmalar yaptı. Bazı içerikler en son iki gün önce güncellendi.
Pekin Üniversitesi kurs kaynaklarının ekran görüntüsü
Pekin Üniversitesi müfredat kaynak proje adresi: https://github.com/lib-pku/libpku
Şu anda, Github projesinin yaklaşık 12.000 yıldızı ve 3.800 Forks'u var.
Bu kaynak, Pekin Üniversitesi'nin birçok ara sınav ve final sınavı belgelerini içermektedir. Bilişim Bilimleri ve Teknolojileri Okulu'nun 17-18 arası bu yüksek numaralı b final sınavı için kaç soru sorabilirsiniz?
Çin Bilim ve Teknoloji Üniversitesi'nin bu ders kaynak projesi, Çin Bilim ve Teknoloji Üniversitesi'nin birçok ders kaynağının notlarını, özetlerini ve deneyimlerini içerir.
Çin Bilim ve Teknoloji Üniversitesi proje adresi: https://github.com/USTC-Resource/USTC-Course
Ayrıca birinci sınıftan son sınıfa kadar Tsinghua Üniversitesi Bilgisayar Bölümü Müfredat Strateji Projesi okulun bilgisayar bölümünün müfredat kaynaklarını dönemlere göre düzenlemiştir. Sun Yat-sen Üniversitesi, önceki yılların final sınav kağıtlarının ve inceleme materyallerinin tamamlayıcı içeriğini de düzenledi. Ne kadar müfredat kaynağı olursa olsun, öğrenme kendilerine aittir.Okuyucuların kendi ihtiyaçlarına göre öğrenmeleri tavsiye edilir.
Son olarak, bilginin mirası uzun vadeli bir görevdir ve herkes katkıda bulunmaya devam edebilir!
