*金融学
*统计分析
== 10.20学习日志 ==
*了解了人工智能的基本原理和发展
*安装python和其他相关工具
**[https://www.python.org/downloads/ Python下载]
**[https://www.continuum.io/downloads Anaconda下载]
**[https://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/ Tensorflow下载]
*Python Tensorflow Basics 学习
**安装Jupyter Notebook
<code>pip install jupyter notebook</code>
**学习一些函数的编写
== 10.27学习日志 ==
*深度学习
**AI-Machine Learning （Task任务 Parameter度量 Experience经验集）在T上的P随着E的提升而提升
***监督性学习Supervising----神经网络拟合（NN）、深度学习（Deep Learning）
****分类Classify
****回归Regression
***非监督性学习
***（强化）
*体验
**手势操控吃豆豆游戏
***图像分类问题
***[https://storage.googleapis.com/tfjs-examples/webcam-transfer-learning/dist/index.html 吃豆豆]
**软件画猫
***按照时间的序列RNN问题
***[https://magenta.tensorflow.org/assets/sketch_rnn_demo/index.html 画猫]
**Playground游戏
***分类问题
***体验根据所给音乐文件自动生成某种乐器同样的曲调的程序
***[https://piano-scribe.glitch.me/ 钢琴游戏]
**神经元体验
***改变神经元层数和个数来调整系统生成拟合函数图像
***
[https://playground.tensorflow.org/#activation=tanh&batchSize=10&dataset=circle®Dataset=regplane&learningRate=0.03®ularizationRate=0&noise=0&networkShape=4,2&seed=0.18251&showTestData=false&discretize=false&percTrainData=50&x=true&y=true&xTimesY=false&xSquared=false&ySquared=false&cosX=false&sinX=false&cosY=false&sinY=false&collectStats=false&problem=classification&initZero=false&hideText=false 神经元]
***Q&A
****神经元Layer互换的问题？每次的步数差距大？
****随机梯度下降法 随机取点拟合 但可以保证最终拟合
***过拟合问题
****loss function=0但预测性下降
****Training loss低但Test loss高
***欠拟合问题
****梯度下降法GD learning rate太大的话容易走过头
****Test rate 测试集与训练集的比例
****Batch size越大掉的越快，内存消耗越大
== 11.03学习日志 ==
*体验利用摄像头判断物体，并进一步了解了其原理
*了解了具有语音识别的天猫音箱
*观看了能跳舞的机器人
== 11.24学习日志 ==
*体验机器人
**学习了智能机器人的发展和使用场景
**安装机器人操作软件
**为机器人编辑动作
*开题报告
**负责选题原因&背景部分
**老师的建议
***适当减少调研在其中占的比重，提高与课程的结合度
***可以通过视频、表演等把案例展示这一部分具体化
*参观创客大赛