2017年12月3日晚,在会员的热烈掌声中,中山大学 AI 技术俱乐部 2017 年秋季学期第九次课程圆满结束。
课程分为四个部分,分别为积分公示、课程讲解、课程预告以及我们俱乐部的第一次会员大会。本次课程是由许瑞嘉师兄为我们带来的《降维和度量学习》。非常感谢许瑞嘉师兄的精心准备和干货满满的讲座。
培训一开始主持人展示了会员们的积分。随后便是课程主要内容啦。课程内容分成三个部分:分别为降维、度量学习和深度度量学习。
什么是降维?机器学习领域中所谓的降维就是指采用某种映射方法,将原高维空间中的数据点映射到低维度的空间中。降维便于计算和可视化,使得更有效信息的提取综合及无用信息的摈弃。
随后,师兄介绍具体的多种降维方法:主成分分析(PCA)、等距映射(Isomap)、多维尺度变换(MDS)和局部线性嵌入(LLE)。
在讲完这些基础知识做铺垫后,师兄开始讲解度量学习。师兄很有耐心的讲解度量学习的研究动机以及其数学公式。近邻成分分析(NCA)和大间隔最近邻居(LMNN)都是当今最流行的学习算法。
师兄带给我们的课程结束后,便是中山大学 AI技术俱乐部 2017 年秋季的第一次会员大会。
会员们都很积极的与主席交流,发表自己对俱乐部的意见和期待。俱乐部往后的课程将会更有意义。
再次感谢许瑞嘉师兄为大家带来无比充实,无比生动精彩的课程讲解。