CSC2515主页
讲座、阅读材料和截止日期
可选读数
计算
作业
项目
杰夫·辛顿的主页
www.cs.多伦多.edu/~hinton
CSC2515 2008年秋季——讲座
授课时间表：
后来的一些讲座还不存在，它们的标题可能会改变。
每个文件的最终版本
讲座和该讲座的最终阅读材料
将在或之前发布
讲座当天。
第一堂课下午1点开始
9月10日
第1讲：机器学习概述
(
注释为.ppt
)
(
所有浏览器的注释）
)
(
注释为.ps，每页4个）
)
阅读：第1章，第1-48页。
教程1：（3.00-4.00）高斯分布
阅读：第2章，第78-94页
9月17日
第二讲：线性回归
(
注释为.ppt
)
(
所有浏览器的注释）
)
(
注释为.ps，每页4个）
)
阅读：第3章，第137-173页
教程2：（3.00-4.00）二进制和多项式变量的分布；
指数族。
阅读：第2章，第67-78页；
113-120.
9月24日
第三讲：线性分类
(
注释为.ppt
)
(
所有浏览器的注释）
)
(
注释为.ps，每页4个）
)
阅读：第4章：第179-210页
教程3：（3.00-4.00）使用到目前为止涵盖的材料制作示例。
10月1日
作业1发布在网上
第四讲：反向传播训练的神经网络
(
注释为.ppt
)
(
所有浏览器的注释）
)
(
注释为.ps，每页4个）
)
阅读：第5章：225-249，256-269
教程4：（3.00-4.00）作业介绍，然后为新手用户提供Matlab帮助。
pdf幻灯片
Matlab教程。
10月8日
作业1在讲座开始时缴交
第五讲：聚类和混合模型
(
注释为.ppt
)
(
所有浏览器的注释）
)
(
注释为.ps，每页4个）
)
教程5：（3.00-4.00）
阅读：第二章：120-127；
第9章：第423-455页；
第5:269-272章
10月15日
作业2发布在网上
第六讲：决策树和专家组合
(
注释为.ppt
)
(
所有浏览器的注释）
)
(
注释为.ps，每页4个）
)
阅读材料：第5章：272-277
混合物
专家论文
分层混合
专家论文
教程6:3.00-4.00共轭梯度优化和作业2简介。
教程幻灯片
教程阅读：
结合
梯度纸
10月22日
提交一页项目建议书（请参阅
项目页面）
作业2在讲座开始时缴交
第7讲：连续潜在变量模型
(
第7讲（第1部分）作为.ppt
)
(
第7讲（第1部分）as.htm
)
(
第7讲（第1部分）as.ps
)
(
第7讲（第2部分）为.pdf
)
(
第七讲（第三部分）作为.ppt
)
(
第七讲（第三部分）as.htm
)
(
第7讲（第3部分）as.ps
)
阅读：第12章，不包括第586-590页
教程7：协同过滤的矩阵分解方法。
概率矩阵分解教程
10月29日
作业3发布在网上
第八讲：深信不疑的网络
(
注释为.ppt
)
(
笔记
作为.htm）
)
(
笔记
作为.ps，每页4个）
)
读数：
波尔兹曼机器简介
关于深度学习的第一篇论文
可选阅读列表
11月5日
任务3的截止日期现在是11月12日
第九讲：时间序列模型
(
第1部分注释为.pdf
)
(
第2部分注释为.ppt
)
(
第2部分注释为.ps，每页4条）
)
课堂第一部分阅读：第13章605-643页
第二部分阅读：
(
.pdf关于使用RBM建模的短文
运动捕捉数据
)
教程9：用于协作过滤的受限Boltzmann机器。
11月12日
作业3在讲座开始时到期
第10a讲：最近邻和核密度
(
注释为.ppt
)
(
所有浏览器的注释）
)
(
注释为.ps，每页4个）
)
阅读：第2章：第120-127页。
第10讲：支持向量机
(
注释为.ppt
)
(
所有浏览器的注释）
)
(
注释为.ps，每页4个）
)
阅读：第7章：第325-345页。
11月19日
:
第11讲：应用
从机器学习到语言建模和文档检索
和图像。
关于as.pdf语言建模的说明
pdf文档检索注意事项
阅读：
语义散列纸
教程11：增强和朴素贝叶斯
(
增强笔记为.ppt
)
(
所有浏览器的增强注释）
)
(
Boosting notes as.ps，每页4条）
)
朴素的贝叶斯
11月26日
第12讲：高斯过程
注释为.pdf
阅读：第6章第303-315页
教程12：教程时间将用于允许人们提问
关于课程中任何内容的问题。
现在是整理的好时机
期末考试前你不懂的东西。
12月3日
1.10-2.40的最终测试
关于作为.ppt的测试的信息
阅读：
12月19日星期五
中午前到期的项目
将.pdf或.ps文件发送至
csc2515prof@cs.toronto.edu