undergrad complete

AIboy996 · Mar 13, 2024 · 070140c · 070140c
1 parent c8cdd27
commit 070140c
Show file tree

Hide file tree

Showing 27 changed files with 307 additions and 35 deletions.
diff --git a/docs/Statistics/basic/Calculus.md b/docs/Statistics/basic/Calculus.md
@@ -4,7 +4,7 @@ tags:
 ---
 
 # 数学分析
-> MATH120016+MATH120017，数学分析B，张永跃、严金海
+> 19Fall MATH120016 + 20Spring MATH120017，数学分析B，张永跃、严金海
 
 全世界大学生多多少少都应该学一点的科目，不等式和极限的艺术。
 

diff --git a/docs/Statistics/basic/Linear_Algebra.md b/docs/Statistics/basic/Linear_Algebra.md
@@ -4,7 +4,7 @@ tags:
 ---
 
 # 线性代数
-> MATH120044，线性代数，吴肖乐
+> 20Spring MATH120044，线性代数，吴肖乐
 
 魅力无穷的一门课，每次听都要长一点脑子。
 

diff --git a/docs/Statistics/basic/Operations_Research.md b/docs/Statistics/basic/Operations_Research.md
@@ -4,7 +4,7 @@ tags:
 ---
 
 # 运筹学
-> MANA130005，运筹学，周蓉
+> 20Fall MANA130005，运筹学，周蓉
 
 和统计沾边，但本身是其他学科（优化方向！）的基础课。
 

diff --git a/docs/Statistics/basic/Probability_Theory_and_Mathematical_Statistics.md b/docs/Statistics/basic/Probability_Theory_and_Mathematical_Statistics.md
@@ -4,7 +4,7 @@ tags:
 ---
 
 # 概率论与数理统计
-> MANA130001，概率论与数理统计，徐勤丰
+> 20Fall MANA130001，概率论与数理统计，徐勤丰
 
 这算是统计系入门前的一门通识课了，课程内容可大可小，一般理工科专业都会修读。
 

diff --git a/docs/Statistics/basic/Statistical_Software.md b/docs/Statistics/basic/Statistical_Software.md
@@ -4,7 +4,7 @@ tags:
 ---
 
 # 统计软件
-> MANA130076，统计软件，沈娟
+> 21Spring MANA130076，统计软件，沈娟
 
 应用类型的课程，主讲R语言、SAS和Python等应用程序的统计实践。
 

diff --git a/docs/Statistics/elective/Algorithm.md b/docs/Statistics/elective/Algorithm.md
@@ -4,7 +4,7 @@ tags:
 ---
 
 # 算法导论
-> COMP119004，计算思维，汪卫、黄萱菁
+> 20Spring COMP119004，计算思维，汪卫、黄萱菁
 
 计算机算法入门课，内容很广：计算机的高级应用、计算机原理、数据结构和算法都涉及一点。
 

diff --git a/docs/Statistics/elective/Computational_Statistics.md b/docs/Statistics/elective/Computational_Statistics.md
@@ -4,7 +4,7 @@ tags:
 ---
 
 # 统计计算
-> MANA130368，统计计算，蒋斐宇
+> 21Fall MANA130368，统计计算，蒋斐宇
 
 统计算法课，但是实际上课的内容统计算法占比不多（主要原因是我们当时选课的基本都是大三上，随机过程、时间序列啥的都还没学，所以老师调整了一下大纲，讲的比较简单）。
 

diff --git a/docs/Statistics/elective/DSPython.md b/docs/Statistics/elective/DSPython.md
@@ -4,13 +4,19 @@ tags:
 ---
 
 # 数据科学编程基础
-> MANA130398，数据科学编程基础，孙海
+> 22Spring MANA130398，数据科学编程基础，孙海
 
 numpy+pandas+matplotlib三剑客。
 
 ## 主要内容
 
+- numpy
+- pandas
+- matplotlib
+
 ## 参考书
+《[Fluent Python](https://github.com/fluentpython/example-code-2e)》以及《[Python Data Science Handbook](https://github.com/jakevdp/PythonDataScienceHandbook)》
 
 ## 体会
 
+绝对是个好课。我们在课上花了大量时间来学习numpy和pandas的广播、索引、运算等机制，可以说是我第一次真正学会使用pandas，真的太强大了！！！可惜老师第一次开这个课，节奏没有把握好，后期画图的matplotlib讲的不是很多。
diff --git a/docs/Statistics/elective/Data_Mining.md b/docs/Statistics/elective/Data_Mining.md
@@ -4,7 +4,7 @@ tags:
 ---
 
 # 数据挖掘
-> MANA130374，数据挖掘原理与技术，王有为
+> 22Fall MANA130374，数据挖掘原理与技术，王有为
 
 主讲处理大数据的各类算法。
 

diff --git a/docs/Statistics/elective/Database.md b/docs/Statistics/elective/Database.md
@@ -4,7 +4,7 @@ tags:
 ---
 
 # 数据库
-> MANA130373，数据库与企业数据管理，张成洪
+> 22Fall MANA130373，数据库与企业数据管理，张成洪
 
 数据库、SQL入门。
 

diff --git a/docs/Statistics/elective/OpenMMLab.md b/docs/Statistics/elective/OpenMMLab.md
@@ -4,13 +4,30 @@ tags:
 ---
 
 # OpenMMLab实践
-> 华五AI+X微专业，商汤
+> 21Spring 华五AI+X微专业，商汤
 
-深度学习第一课。
+计算机视觉第一课。
 
 ## 主要内容
 
+- 图像分类 | MMClassification
+- 目标检测 | MMDetection
+- 语义分割 | MMSegmentation
+- 超分辨率 | MMEditing
+- 底层视觉 | MMEditing
+- 视频理解 | MMAction
+
 ## 参考书
+没有参考书，或许可以看看[OpenMMLab](https://openmmlab.com/)的文档？
 
 ## 体会
+在微专业有幸上了这样一门实践课，算是第一次亲手跑了一些深度学习模型。看着自己训练的模型成功给出正确的结果还是很有成就感的。
+
+<figure markdown>
+![](./assets/ezgif-4-74b8e2dfa8.gif)
+<caption>目标检测小PJ</caption>
+</figure>
+
+OpenMMLab的框架用起来确实很爽，现在也越发壮大了。不过当时我手头没有合适的GPU，只能用Googole的Colab来训练，很艰苦！
 
+这门课算是我的计算机视觉入门课，并且很大程度上促使我选择现在的研究方向（计算机视觉，医学影像）。果然每个人一路走来都是大大小小的巧合累加起来的，我如果当时没有选择报名微专业或许一切都会有所不同。
diff --git a/docs/Statistics/elective/Pattern_Recognition_and_Machine_Learning.md b/docs/Statistics/elective/Pattern_Recognition_and_Machine_Learning.md
@@ -4,13 +4,35 @@ tags:
 ---
 
 # 模式识别和机器学习
-> 华五AI+X微专业，邱锡鹏
+> 21Spring 华五AI+X微专业，邱锡鹏
 
 机器学习的第一课。
 
 ## 主要内容
 
+- 何谓机器学习
+- 回归
+- 最近邻和决策树
+- 线性分类器
+- 前馈神经网络
+- 卷积神经网络
+- 循环神经网络
+- 注意力机制
+
 ## 参考书
+邱锡鹏老师自己写的《[神经网络与深度学习](https://nndl.github.io/)》，全书的pdf和配套PPT都放在网上了，良心啊！！另外CM Bishop的《Pattern recognition and machine learning》也是大家都认可的好书。
 
 ## 体会
+邱老师的课听起来是很舒服的，可惜作为一门微专业的课我没有投入全部的精力，真的太可惜了。现在回过头来看，有些东西如果当时就学会了是大有裨益的。
+
+无论如何，作为机器学习第一课确实学到了很多东西。感谢邱老师。
+
+## 公开课
+邱老师推荐的是下面两位老师的，我也听闻吴恩达、李沐等老师的大名。
+
+### [李宏毅《机器学习》](https://speech.ee.ntu.edu.tw/~hylee/ml/2021-spring.html)
+
+我没看过。
+### [林轩田《机器学习基石》](https://www.csie.ntu.edu.tw/~htlin/mooc/)
 
+我没看过。
diff --git a/docs/Statistics/elective/SeniorPython.md b/docs/Statistics/elective/SeniorPython.md
@@ -4,13 +4,35 @@ tags:
 ---
 
 # 人工智能编程框架
-> 华五AI+X微专业，翁恺
+> 21Spring 华五AI+X微专业，翁恺
 
 有深度的Python课程。
 
 ## 主要内容
 
+- 用Python做计算
+- 循环计算
+- 字符串和列表
+- 在数列上的计算
+- 使用列表的计算
+- 元组、集合和字典
+- 使用容器的计算
+- 函数
+- 递归计算
+- 对象和类
+- 异常和文件
+- 函数式编程
+- Pandas和Matplotlib
+- NumPy和SymPy
+
 ## 参考书
 
+
+* 浙大版《Python语言程序设计》（翁老师夹带私货了啊，清华出版社的不行吗？）
+* Python语言参考手册：<https://docs.python.org/zh-cn/3/>
+* Python 标准库文档：<https://docs.python.org/zh-cn/3.9/library/index.html>
+* MO上的Python自学手册： <https://mo.zju.edu.cn/classroom/class?id=5d1f3ab81afd940ab7d298bf>
+
 ## 体会
 
+翁老师作为知名C语言大佬，讲起Python来也是高屋建瓴，非常透彻！而且讲课的思路也很独特，看上面的大纲就可以知道主线就是做计算！在我有一定Python基础的情况下还是感觉每节课都能学到很多新的知识。这节课算是打开了我进入“高级”Python的大门，从此一发不可收拾。
diff --git a/docs/Statistics/elective/assets/ezgif-4-74b8e2dfa8.gif b/docs/Statistics/elective/assets/ezgif-4-74b8e2dfa8.gif
diff --git a/docs/Statistics/postgrad/Convex_Optimization.md b/docs/Statistics/postgrad/Convex_Optimization.md
@@ -4,6 +4,6 @@ tags:
 ---
 
 # 凸优化
-> DATA620008，最优化理论，江如俊
+> 23Fall DATA620008，最优化理论，江如俊
 
 凸优化。
diff --git a/docs/Statistics/postgrad/Numerical_Analysis.md b/docs/Statistics/postgrad/Numerical_Analysis.md
@@ -4,6 +4,6 @@ tags:
 ---
 
 # 数值计算
-> DATA830001，数值计算，周宝健	
+> 23Fall DATA830001，数值计算，周宝健	
 
 数值算法入门。
diff --git a/docs/Statistics/postgrad/Probability_Theory.md b/docs/Statistics/postgrad/Probability_Theory.md
@@ -4,6 +4,6 @@ tags:
 ---
 
 # 高等概率论
-> DATA620019，现代概率论基础I，张静茹
+> 23Fall DATA620019，现代概率论基础I，张静茹
 
 使用测度工具的概率论。
diff --git a/docs/Statistics/postgrad/Time_Series.md b/docs/Statistics/postgrad/Time_Series.md
@@ -4,6 +4,6 @@ tags:
 ---
 
 # 时间序列
-> DATA620005，时间序列与空间统计，陈钊
+> 24Spring DATA620005，时间序列与空间统计，陈钊
 
 Hilbert空间视角下的时间序列。
diff --git a/docs/Statistics/postgrad/journal_club.md b/docs/Statistics/postgrad/journal_club.md
@@ -16,7 +16,7 @@ Journal Club是我导组织的论文分享会，我偶尔也会上去分享一
 <center>
 <object
     type="application/pdf"
-    data="../assets/2024-02-22_Evading_Simplicity_Bias.pdf#page=1&view=FitH"
+    data="../assets/2024-02-22_Evading_Simplicity_Bias.pdf#page=1&view=FitH&toolbar=1&navpanes=0"
     width=80%
     height=400>
 </object>

diff --git a/docs/Statistics/specialized/Categorical_Data_Analysis.md b/docs/Statistics/specialized/Categorical_Data_Analysis.md
@@ -4,6 +4,27 @@ tags:
 ---
 
 # 属性数据分析
-> MANA130097，属性数据分析，黎德元
+> 22Fall MANA130097，属性数据分析，黎德元
 
-回归分析的后续课程，主讲广义线性模型。
+回归分析的后续课程，主讲广义线性模型。
+
+## 主要内容
+
+- Distributions and Inference for Categorical Data
+- Describing Contingency Tables
+- Inference for Contingency Tables
+- Generalized Linear Models
+- Logistic Regression
+- Logit Models for Multinomial Responses
+- Loglinear Models for Contingency Tables
+- Models for Matched Pairs
+- Analyzing Repeated Categorical Response Data
+- Random Effects: Generalized Linear Mixed Models for Categorical Responses
+
+## 参考书
+Categorical Data Analysis, second edition, by Alan Agresti, 2002, Wiely. 中文翻译依旧很烂，不如直接看原教材。
+
+## 体会
+广义线性模型应该还是蛮重要的，不过这门课更偏向于属性数据的分析，讲GLM不是很深入。
+
+鉴于这门课最后没有期中考试、也没有期末考试（原计划好像是有的，无考试万岁！），我基本啥也没记住。
diff --git a/docs/Statistics/specialized/Multivariate_Analysis.md b/docs/Statistics/specialized/Multivariate_Analysis.md
@@ -4,6 +4,24 @@ tags:
 ---
 
 # 多元分析
-> MANA130023，多元分析，胡瑾瑾
+> 22Spring MANA130023，多元分析，胡瑾瑾
 
-难度不高，较为琐碎。
+难度不高，较为琐碎。
+
+## 主要内容
+
+- 矩阵代数复习
+- 抽样理论
+- 多元正态分布
+- 均值向量的推断
+- 多个均值向量的比较
+- 主成分分析
+- 因子分析
+- 判别与分类
+- 聚类分析
+
+## 参考书
+实用多元统计分析, (第六版) ，Ricahrd A. Johnson & Dean W. Wichern 著，清华大学出版社
+
+## 体会
+处理多元随机变量很多的一门课，学会了很多随机向量（和矩阵）的知识。主要的难点就在多元正态和均值向量的统计推断。后面的主成分分析、因子分析、分类和聚类都比较简单，但都是很有用的方法。
diff --git a/docs/Statistics/specialized/Nonparametric_Statistics.md b/docs/Statistics/specialized/Nonparametric_Statistics.md
@@ -4,6 +4,41 @@ tags:
 ---
 
 # 非参数统计
-> MANA130083，非参数统计，刚博文
+> 22Spring MANA130083，非参数统计，刚博文
 
-统计学的半边天，和机器学习课程强相关。
+统计学的半边天，和机器学习课程强相关。
+
+## 主要内容
+
+- **Classical** Nonparametric Statistics
+    - Order statistics
+    - Test of randomness
+    - Test of goodness
+    - Two sample test
+    - Linear rank statistic
+    - Measure of association
+- **Morden** Nonparametric Statistics
+    - Statistical functional
+    - VC theroy
+    - Density estimation
+    - Nonparametric regression
+    - Local polynomial regression
+    - Normal means
+    - Minimax
+    - Modulator
+    - Wavelet analysis
+
+## 参考书
+
+- 经典非参：*Nonparametric Statistical Inference*, Jean Dickinson Gibbons & Subhabrata Chakraborti, 4th ed. 
+- 现代非参：*All of Nonparametric Statistics*, Larry Wasserman.
+
+## 体会
+
+硬核好课，不过一学期讲了两本书，真的太高强度了！
+
+经典非参数都是一些非常有意思的（并且intuitive）的想法+严格的计算证明。
+
+现代非参数就复杂得多，还涉及到很多的蛮高级的内容我们只能浅尝辄止（例如Minimax理论、小波分析），只能混个脸熟。
+
+这门课给我带来很多启发，不论是非参数回归还是小波分析，到处充满了basis的思想。总感觉无限维分析的脑子要长出来了。Sobolev Space之类的严肃数学听着也很爽。