论文复现组 2025级
探索人工智能前沿 · 复现经典论文 · 构建学术基础
关于我们
📚 组织简介
论文复现组主要研读和复现人工智能领域的经典论文,一起讨论、交流学术内容,也会适当地发散式探索人工智能领域其他技术,适合自学能力强、想打下人工智能研究基础的同学。
论文复现组专注于深度学习、强化学习、计算机视觉等前沿领域,通过实践加深理论理解。
李
📟 联系我们
邮件 : ethan@stu2024.jnu.edu.cn
微信 : _Fish890
我们欢迎任何人来旁听学习,即使你不在论文复现组
最新通知
组内成员任务
Kaggle 房价预测竞赛
- 具体任务如下:
- 1. 进入比赛页面,自行注册并参赛
- 2. 下载数据集,自己实现模型并使用数据集进行训练
- 3. 把模型对测试集的预测提交至竞赛
- 4. 待平台对模型预测打分完毕进入Leaderboard提交 排名截图 与你的 模型代码 至论文复现提交处,代号备注005
- 可以参考《动手学深度学习》的指引
- 尽力就好,不勉强排名,主要是希望同学能够得到一次科研的锻炼
- 没有完成前面任务的同学可以继续完成,只要同学愿意完成,不论何时提交,我们都会及时查收并给予反馈
经过此次分享会,相信大家已经掌握了模型训练的精髓,那么不妨拿 Kaggle 房价预测竞赛来练练手。
房价预测已经是我们的老朋友了,从一开始学习深度学习的举例时就用到了它,只是这一次输入的特征更多(不只有距离与面积),我们的目的是根据输入特征来预测房价输出,模型架构可由同学自由组合实现。因为我们当前主要学习有监督学习(使用深度学习实现),所以希望同学尽量使用神经网络模型,如果想用其他模型,可考虑集成学习。
资源栏目
📁 论文与代码
Very Deep Convolutional Networks for Large-Scale Image Recognition
查看
中译版
Visual Geometry Group(VGG)提出的论文
MNIST数据集
下载
手写数字识别数据集
Deep Residual Learning for Image Recognition
查看
Resnet - 残差神经网络
📖 推荐书籍
《深度学习入门:基于python的理论与实现》
下载
深度学习入门,咱们简称鱼书
《白话强化学习与PyTorch》
下载
强化学习入门
《EasyRL》
下载
以更深入的角度入门强化学习
《Python数据分析从入门到实践》
下载
Python数据分析从入门到实践
📑 其他资源
130道python练习题
下载
130道python练习题
conda命令参考资料
下载
conda命令参考资料
🧭 优秀博客与指南
Dive Into Deep Learning
查看
动手学深度学习
OpenAI Spinning Up
查看
强化学习OpenAI优化策略
李沐:动手学深度学习
查看
李沐:动手学深度学习
吴恩达深度学习
查看
吴恩达深度学习
重要网址
分享会回顾
学习路线
第7-8周:基础准备
Python与深度学习
第9周:卷积神经网络
VGG与MNIST
第10周:数据科学回归分析
学习神经网络回归模型
第11-12周:“残差”与卷积
学习Resnet及其变体、了解更多卷积
第13-16周:yolo家族
yolo v1 - v8
寒假:强化学习基础
pytorch与强化学习
第一学期结束
第二学期开始
第1周:内容回顾
深度学习与强化学习
第2-3周:强化学习算法
经典且常用的算法
第4周:强化学习实践
强化学习实践项目
第5-8周:大语言模型入门