说话不需要成本的说说的图片(1)
1、133使用CNN时，是否需要对输入进行旋转、平移、缩放等预处理？深度学习DL基础易
2、78在HMM中,如果已知观察序列和产生观察序列的状态序列,那么可用以下哪种方法直接进行参数估计（）机器学习ML模型中
3、首先对θ赋值，这个值可以是随机的，也可以让θ是一个全零的向量。
4、一个光鲜亮丽的躯壳是没有半点防御作用的，除了给你送去虚伪的表像更多的是无尽的伤害！永远都不要相信嘴巴上的爱情，大家都是第一次做人，对你自己好点，多理解理解自己，说是不需要成本的，做至少需要真心的付出和实际行动来证明！
5、热身运动。我们来玩游戏好不好？在玩游戏之前得先做个热身运动。（生读课文）
6、节点分裂的方式不同，gbdt是用的gini系数，xgboost是经过优化推导后的
7、DecreaseGINI：对于回归问题，直接使用argmax(VarVarLeftVarRight)作为评判标准，即当前节点训练集的方差Var减去左节点的方差VarLeft和右节点的方差VarRight。
8、你能用既生气又心疼的语气来读读孙中山的话吗?指名读，师生评议
9、Pymalloc机制。为了加速Python的执行效率，Python引入了一个内存池机制，用于管理对小块内存的申请和释放。
10、16说一下Adaboost，权值更新公式。当弱分类器是Gm时，每个样本的的权重是w1，w2...，请写出最终的决策公式。机器学习ML模型难
11、88如果以特征向量的相关系数作为模式相似性测度，则影响聚类算法结果的主要因素有（BC）机器学习ML模型易
12、81已知一组数据的协方差矩阵P,下面关于主分量说法错误的是（）机器学习ML基础易
13、提示方法。在读的过程中，你遇到了困难，比如有的字不认识了，那该怎么办呀？（学生自由读书。教师巡视了解读书情况）
14、84影响聚类算法结果的主要因素有（B、C、D）机器学习ML模型易
15、翻版出示音节；这些音节你们会读吗？试着读一读。指名读、小组读、示范读、指名当小老师领读、自由选择读、齐读等。教师重点纠正n、l与单韵母相拼的音节。
16、10请问（决策树、RandomForest、Booting、Adaboot）GBDT和XGBoost的区别是什么？机器学习ML模型难
17、74在分类问题中，我们经常会遇到正负样本数据量不等的情况，比如正样本为10w条数据，负样本只有1w条数据，以下最合适的处理方法是()？机器学习ML基础中
18、教师导语引入：由现在出国之便利，引出古代出国出海之艰难，从而引出六百年前明代大航海家郑和七次下西洋远航的故事，随即出示郑和像。
19、175有两个样本点，第一个点为正样本,它的特征向量是(0,-1);第二个点为负样本,它的特征向量是(2,3),从这两个样本点组成的训练集构建一个线性SVM分类器的分类面方程是()机器学习ML基础易
20、对树的结构进行了正则化约束，防止模型过度复杂，降低了过拟合的可能性
21、167下列时间序列模型中,哪一个模型可以较好地拟合波动性的分析和预测。机器学习ML模型易
22、43将原始数据进行集成、变换、维度规约、数值规约是在以下哪个步骤的任务？(C)数据挖掘DM基础易
23、师：是啊！这些动物、植物都是生活在远古时代，它们摆脱了重重磨难，顽强地生存到了现在，所以科学家把它们叫做“活化石”。大家一起来看看吧！
24、学生模仿读、练读、对读、同座互相检查读，教师相机指导n、l纠正的发音。
25、教师以绘声绘色的描述，引出课文第三自然段，课件映示。自由读，边读边在头脑中想象当时的情景。
说话不需要成本的说说的图片(2)
1、大家仔细看看图，想一想，这三个复韵母该怎么读？（学生自由试读）
2、3在k-means或kNN，我们常用欧氏距离来计算最近的邻居之间的距离，有时也用曼哈顿距离，请对比下这两种距离的差别。机器学习ML模型中
3、假如时间能倒流，你就站在岸上为船队送行的人群中，当时你们会对郑和、对船队怎样欢呼，如何祝福？
4、141假设你需要调整参数来最小化代价函数（costfunction），会使用下列哪项技术？深度学习DL基础易
5、138如果增加多层感知机（MultilayerPerceptron）的隐藏层层数，分类误差便会减小。这种陈述正确还是错误？深度学习DL基础易
6、学习生字。①尖尖的草芽想跟我们交朋友了。你能跟这些草芽打个招呼吗？（学习生字“对”“说”“是”）②圆圆的荷叶夸你们太棒了，她也送来了生字宝宝。快看看我们接到的是谁。（学习生字“叶”“圆”“夏”）③谷穗也赶来了，我们快给他让座吧。（学习生字“秋”）④顽皮的雪人跑得满头大汗，让我们一起为他擦擦。（学习生字“雪”“肚”“冬”“就”）
7、特征离散化以后，起到了简化了逻辑回归模型的作用，降低了模型过拟合的风险。
8、师：银杏树，大熊猫和中华鲟，科学家把它们叫做“活化石”，我们要好好地保护它们，假如你是博物馆的讲解员，要给前来参观的游人作解说有关“活化石”的内容，你该怎么说呢？想试一试吗？
9、38数据的逻辑存储结构（如数组，队列，树等）对于软件开发具有十分重要的影响，试对你所了解的各种存储结构从运行速度、存储效率和适用场合等方面进行简要地分析。数据结构/算法中等
10、150假设我们已经在ImageNet数据集(物体识别)上训练好了一个卷积神经网络。然后给这张卷积神经网络输入一张全白的图片。对于这个输入的输出结果为任何种类的物体的可能性都是一样的，对吗？深度学习DL模型中
11、46当不知道数据所带标签时，可以使用哪种技术促使带同类标签的数据与带其他标签的数据相分离？(B)数据挖掘DM模型易
12、对定量特征二值化。核心在于设定一个阈值，大于阈值的赋值为1，小于等于阈值的赋值为0。如图像操作
13、一个本地化网络，会吸收输入量，并输出应施加的空间变换的参数。参数可以是6维仿射变换。
14、12xgboost如何寻找最优特征？是又放回还是无放回的呢？机器学习ML模型难
15、一个优化问题可以从两个角度进行考察，一个是primal问题，一个是dual问题，就是对偶问题，一般情况下对偶问题给出主问题最优值的下界，在强对偶性成立的情况下由对偶问题可以得到主问题的最优下界，对偶问题是凸优化问题，可以进行较好的求解，SVM中就是将primal问题转换为dual问题进行求解，从而进一步引入核函数的思想。
16、小朋友，你认识他们吗？指名试着读一读。教师追问：你为什么读得这么好？让学生交流自己的学习经验和学习方法。
17、二分类：每个分类器只能把样本分为两类。监狱里的样本分别为狱警、小偷、送餐员、其他。二分类肯定行不通。瓦普尼克95年提出来基础的支持向量机就是个二分类的分类器，这个分类器学习过程就是解一个基于正负二分类推导而来的一个最优规划问题（对偶问题），要解决多分类问题就要用决策树把二分类的分类器级联，VC维的概念就是说的这事的复杂度。
18、学生利用手中的橡皮泥、小棒、毛线捏一捏、摆一摆今天认识的拼音娃娃。有的独自进行，有的与同座讨论合作，教师给捏摆好的同学以展示的机会。
19、95深度学习（CNNRNNAttention）解决大规模文本分类问题。深度学习DL应用难
20、137下列哪项关于模型能力（modelcapacity）的描述是正确的？（指神经网络模型能拟合复杂函数的能力）深度学习DL基础易
21、178SPSS中，数据整理的功能主要集中在（）等菜单中。大数据Hadoop/spark易
22、1991年的Hochreiter和2001年的Hochreiter的工作，都表明在使用BP算法时，NN单元饱和之后会发生梯度损失。又发生停滞。
23、建立公共溢出区：将哈希表分为基本表和溢出表两部分，凡是和基本表发生冲突的元素，一律填入溢出表。
24、66请写出一段Python代码实现删除一个list里面的重复元素。PythonPython开发中
25、学到这里，让我们再来回顾一下那天发生的妈妈为姐姐缠足的事吧。分角色朗读。
说话不需要成本的说说的图片(3)
1、拼着这些音节，你又有什么发现？（ü碰到jqx，头上的两点帽子就没有了。）复习儿歌：小ü见到ｊ、ｑ、ｘ，擦掉眼泪笑嘻嘻。
2、169基于二次准则函数的H-K算法较之于感知器算法的优点是()？深度学习DL基础易
3、142在下面哪种情况下，一阶梯度下降不一定正确工作（可能会卡住）？深度学习DL基础易
4、正则化。1正则化能够生成稀疏的模型。L2正则化的表现更加稳定，由于有用的特征往往对应系数非零。
5、两个方法都可以增加不同的正则化项，如l55、l2等等。所以在很多实验中，两种算法的结果是很接近的。
6、对于非内部数据类型的对象而言，光用maloc/free无法满足动态对象的要求。对象在创建的同时要自动执行构造函数，对象在消亡之前要自动执行析构函数。由于malloc/free是库函数而不是运算符，不在编译器控制权限之内，不能够把执行构造函数和析构函数的任务强加于malloc/free。
7、148在一个神经网络中，下面哪种方法可以用来处理过拟合？（D）深度学习DL基础易
8、注重了学习方式的变革。能够从学生的学习实际和身心发展需求出发，引导学生积极参与教学实践，以参与求体验，以合作求创新，以探究求发展。在声母音形教学上，充分相信学生，让学生间尝试学、互相教学、讨论研究学，学生主体地位凸现，真正成为了学习的主人。
9、创造性的使用教材。在深知学情的基础上，打破了以往拼音教学单一的呈现方式，及各个字母按音形义讲解，采取了集中训练，减少头绪，加强综合的教学思路。一些弹性要求和交流展示拓宽了学生思维和活动空间，使学生的创造力在教师的感召下得以彰显。
10、今天，我们就跟着丁丁一边游海南，一边学拼音，好不好？让我们带上拼音宝宝出发吧!飞机“嗖”一下就飞到了海南。哇！海边的风景真美啊！丁丁一边看（课件显示椰子图），一边听（课件显示耳朵图），不知不觉已经到了晚上（显示月亮图）。小朋友，你们仔细看，看到什么了？（指名回答）
11、离散化后可以进行特征交叉，由M+N个变量变为M*N个变量，进一步引入非线性，提升表达能力；
12、DecreaseAccuracy：对于一棵树Tb(x)，我们用OOB样本可以得到测试误差1；然后随机改变OOB样本的第j列：保持其他列不变，对第j列进行随机的上下置换，得到误差2。至此，我们可以用误差1-误差2来刻画变量j的重要性。基本思想就是，如果一个变量j足够重要，那么改变它会极大的增加测试误差；反之，如果改变它测试误差没有增大，则说明该变量不是那么的重要。
13、1948年，香农ClaudeE.Shannon引入信息（熵），将其定义为离散随机事件的出现概率。一个系统越是有序，信息熵就越低；反之，一个系统越是混乱，信息熵就越高。所以说，信息熵可以被认为是系统有序化程度的一个度量。
14、拼音教学生活化、情境化。以游戏和活动为主线，让全体学生积极动口、动脑、动手，多种感官协同参与。联系日常生活、捏摆字母记忆字形展现了学生思维的广度和深度，学生学习态度和情感得以升华。
15、指导朗读：残害中国妇女上千年的缠足陋习终于被废除了，你们的心情怎样?(感觉大快人心)让我们来欣喜地齐读这一段。齐读。
16、学生自己试着在四线三格中进行书写，教师巡视，纠正书写姿势、执笔方法。教师提醒学生两个字母要写紧凑。
17、开放定址法：当冲突发生时，使用某种探查(亦称探测)技术在散列表中形成一个探查(测)序列。沿此序列逐个单元地查找，直到找到给定的关键字，或者碰到一个开放的地址(即该地址单元为空)为止（若要插入，在探查到开放的地址，则可将待插入的新结点存人该地址单元）。查找时探查到开放的地址则表明表中无待查的关键字，即查找失败。
18、182在HMM中,如果已知观察序列和产生观察序列的状态序列,那么可用以下哪种方法直接进行参数估计()机器学习ML模型易
19、76NaveBayes是一种特殊的Bayes分类器,特征变量是X,类别标签是C,它的一个假定是（）机器学习ML模型中
20、特征离散化后，模型会更稳定，比如如果对用户年龄离散化，20-30作为一个区间，不会因为一个用户年龄长了一岁就变成一个完全不同的人。当然处于区间相邻处的样本会刚好相反，所以怎么划分区间是门学问；
21、这些活动多有趣啊！别急，有趣的可多了。有位小朋友很喜欢观察，他发现了很多有趣的东西，我们一起来听一听吧！（课件出示图片，同时播放儿歌录音。）
22、logic能做的svm能做，但可能在准确率上有问题，svm能做的logic有的做不了。
23、62对所有优化问题来说,有没有可能找到比現在已知算法更好的算法？机器学习ML基础中
24、是呀，中国妇女能走出“三寸金莲”的千年痛苦，这都得感谢——，让我们记住这位伟人的名字——
25、就这样，妈妈还是给姐姐缠了足，那么同学们看看图中站在门外的孙中山，此时他听到些什么?在想些什么?(课件出示)
说话不需要成本的说说的图片(4)
1、115请问人工神经网络中为什么ReLu要好过于tanh和sigmoidfunction？深度学习DL基础中
2、49请用python编写函数find_string，从文本中搜索并打印内容，要求支持通配符星号和问号。PythonPython语言易
3、166在其他条件不变的前提下，以下哪种做法容易引起机器学习中的过拟合问题（）机器学习ML基础易
4、1请简要介绍下SVM，机器学习ML模型易SVM，全称是supportvectormachine，中文名叫支持向量机。SVM是一个面向数据的分类算法，它的目标是为确定一个分类超平面，从而将不同的数据分隔开。
5、LR和SVM都可以处理分类问题，且一般都用于处理线性二分类问题（在改进的情况下可以处理多分类问题）
6、2D卷积表示渔夫的网就是带一圈浮标的渔网，只打上面一层水体的鱼；
7、如果没孙中山，你们的奶奶、妈妈也许早已缠足而无法工作;如果没孙中山，我们在座的女老师包括陆老师也许早已缠足而无法给你们上课。如果没孙中山，我们在座的女同学也许正在缠足承受着巨大的痛苦而无法上学读书、开心地游戏;出示铜像图此时此刻，你想对孙中山爷爷说些什么呢?
8、28逻辑斯特回归为什么要对特征进行离散化。机器学习ML模型中等
9、从目标函数来看，区别在于逻辑回归采用的是logisticalloss，SVM采用的是hingeloss，这两个损失函数的目的都是增加对分类影响较大的数据点的权重，减少与分类关系较小的数据点的权重。
10、仔细看图，你都看到了什么？引导学生说出图意，讲到该音节词时相机出现音节，指名拼读，指导正音。
11、SVM的处理方法是只考虑supportvectors，也就是和分类最相关的少数点，去学习分类器。而逻辑回归通过非线性映射，大大减小了离分类平面较远的点的权重，相对提升了与分类最相关的数据点的权重。
12、3年之后，Widrow因发明Delta学习规则而载入ML史册，该规则马上就很好的应用到了感知器的训练中
13、在朗读和想象的过程中，体会郑和第一次远航时的壮观场面，激发并培养学生开拓进取的民族精神。
14、指名朗读或扮演郑和进行表演再现。（选哪一种方式汇报，由学生自主选择。）
15、23机器学习中，为何要经常对数据做归一化。机器学习ML基础中等
16、71看你是搞视觉的，熟悉哪些CV框架，顺带聊聊CV最近五年的发展史如何？深度学习DL应用难
17、通过朗读重点段落，知道“陋习”是什么，理解孙中山为什么要破这个“陋习”，让学生认识缠足陋习曾对中国妇女造成的伤害，体会孙中山敢于同封建势力作斗争的精神。
18、学会复韵母ie、üe，学会特殊韵母er及其四声，读准音，认清形，能在四线三格中正确书写。
19、158下面那个决策边界是神经网络生成的？（E）深度学习DL基础易
20、师示范）：我是银杏树，就是大家常说的白果树，我是几亿年前的树种，十分珍贵，我的样子很容易辨认，一片片叶子就像一把把小扇子。我长得很慢很慢，如果你小时侯种下了我，一直要等到你当上了爷爷奶奶，才能吃上我的果子，所以我又叫“公孙树”。
21、149如果我们用了一个过大的学习速率会发生什么？深度学习DL基础易
22、155下图显示，当开始训练时，误差一直很高，这是因为神经网络在往全局最小值前进之前一直被卡在局部最小值里。为了避免这种情况，我们可以采取下面哪种策略？深度学习DL基础易
23、57梯度下降法找到的一定是下降最快的方向么？机器学习ML基础中
24、87在统计模式分类问题中，当先验概率未知时，可以使用（BD）机器学习ML模型易
25、75深度学习是当前很热门的机器学习算法，在深度学习中，涉及到大量的矩阵相乘，现在需要计算三个稠密矩阵A,B,C的乘积ABC,假设三个矩阵的尺寸分别为m*n，n*p，p*q，且m 1、37线性分类器与非线性分类器的区别以及优劣。机器学习ML基础易 2、二叉查找树，也称有序二叉树（orderedbinarytree），或已排序二叉树（sortedbinarytree），是指一棵空树或者具有下列性质的二叉树： 3、160在选择神经网络的深度时，下面那些参数需要考虑？深度学习DL基础易 4、通过上节课的学习，你从中了解到孙中山的姐姐原先是个怎样的女孩子? 5、83输入图片大小为200×200，依次经过一层卷积（kernelsize5×5，padding1，stride2），pooling（kernelsize3×3，padding0，stride1），又一层卷积（kernelsize3×3，padding1，stride1）之后，输出特征图大小为（）深度学习DL基础中 6、是啊！丁丁身边的拼音宝宝也跳出来了：“这里藏着我的复韵母兄弟呢！你们发现了吗？”（课件出示三个复韵母：ieueer） 7、把有量纲表达式变为无量纲表达式归一化是一种简化计算的方式，即将有量纲的表达式，经过变换，化为无量纲的表达式，成为纯量。 8、你们还有什么好办法记住他们吗？小组讨论一下。学生联系日常生活畅所欲言。（马蹄印ddd、用手指摆d的形状；小伞把ttt、倒拄拐棍ttt和“七”像；独木桥nnn；l的形状像数字l、筷子、教鞭、指挥棒、旗杆、铅笔、灯管……） 9、因此C++语言需要一个能完成动态内存分配和初始化工作的运算符new，以一个能完成清理与释放内存工作的运算符delete。注意new/delete不是库函数。 10、引导想象说话：看着此情此景，看着姐姐因为缠足承受着这么大的痛苦，同学们，此时如果你是孙中山，心里会怎么想?(指名说) 11、1405年郑和首次受命出使西洋，当时的西洋是指现在的文莱以西的海洋各地以及印度洋沿岸一带。郑和下西洋，比其他国家的航海家都早了近百年。郑和船队超过二百艘，其宝船的载送量达到一千多吨，船队总人数达二万多人。 12、摘苹果”游戏。拼音娃娃来到果园里，哇！树上结满了红通通的大苹果，多诱人啊！你们想吃吗？学生认读苹果上的字母、音节，读对了就奖励一个大苹果。 13、144假设我们有一个如下图所示的隐藏层。隐藏层在这个网络中起到了一定的降纬作用。假如现在我们用另一种维度下降的方法，比如说主成分分析法(PCA)来替代这个隐藏层。深度学习DL基础易 14、范读：要求一边听教师读，一边找出说话的是谁，用“＿”标出来。 15、如果误差曲面上有多个局极小值，那么不能保证这个过程会找到全局最小值。 16、130在一个神经网络中，知道每一个神经元的权重和偏差是最重要的一步。如果知道了神经元准确的权重和偏差，便可以近似任何函数，但怎么获知每个神经的权重和偏移呢？深度学习DL基础易 17、156对于一个图像识别问题(在一张照片里找出一只猫)，下面哪种神经网络可以更好地解决这个问题？（D）深度学习DL基础易 18、157假设在训练中我们突然遇到了一个问题，在几次循环之后，误差瞬间降低 19、136在训练神经网络时，损失函数(loss)在最初的几个epochs时没有下降，可能的原因是？（D）深度学习DL基础易 20、112Sigmoid、Tanh、ReLu这三个激活函数有什么缺点或不足，有没改进的激活函数。深度学习DL基础中 21、151当在卷积神经网络中加入池化层(poolinglayer)时，变换的不变性会被保留，是吗？深度学习DL模型中 22、小朋友们，今天老师将带大家到北京古生物博物馆去参观参观，怎么样？（播放课件） 23、那时候，要废除的陋习有许多，孙中山却把废除缠足这件放在了第一，这是为什么?(姐姐缠足的事深深地刺痛了他幼小的心，缠足给中国妇女带来的巨大的痛苦。相机理解“残害”。他从小立下了志愿。)板书：首先废除 24、逻辑回归相对来说模型更简单，好理解，特别是大规模线性分类时比较方便。而SVM的理解和优化相对来说复杂一些，SVM转化为对偶问题后,分类只需要计算与少数几个支持向量的距离,这个在进行复杂核函数计算时优势很明显,能够大大简化模型和计算。 25、屏幕上的图能够帮助你们记住d、t、n、l的样子，请小朋友仔细看图，想一想有什么新的发现，同座交流交流。（学生用以前的方法编顺口溜：队鼓鼓锤ddd；鱼儿跳舞ttt；一个门洞nnn；一根木棍lll。） 1、140在感知机中（Perceptron）的任务顺序是什么？深度学习DL基础易 2、90你有哪些deeplearning（rnn、cnn）调参的经验？深度学习DL基础中 3、33熵、联合熵、条件熵、相对熵、互信息的定义。机器学习ML基础中等 4、172在spss的基础分析模块中，作用是“以行列表的形式揭示数据之间的关系”的是（）大数据Hadoop/spark易 5、同学们看，这就是当时缠足的女子穿的小鞋，看着这么小的鞋，你想到了什么? 6、思考问题：孙中山为什么再也看不到姐姐的笑脸,听不到姐姐的歌声? 7、师小结：学了这篇课文，使我们对活化石有了更深刻地了解，小朋友们，在我们这个地球上还有许多从远古时代生存至今的生物，我们一起来了解一下吧！ 8、对于数据集中的每一个点x，计算它与最近聚类中心(指已选择的聚类中心)的距离D(x) 9、孙中山能接受这种理由吗?(不能)所以他反驳道，既然(引读)……别人……但妈妈受封建思想的毒害太深了，她只是说：(引读)你年纪…… 10、一些分类器需要计算样本之间的距离（如欧氏距离），例如KNN。如果一个特征值域范围非常大，那么距离计算就主要取决于这个特征，从而与实际情况相悖（比如这时实际情况是值域范围小的特征更重要）。 11、48以下哪种方法不属于特征选择的标准方法：(D)数据挖掘DM基础易 12、对于Python对象，如整数，浮点数和List，都有其独立的私有内存池，对象间不共享他们的内存池。也就是说如果你分配又释放了大量的整数，用于缓存这些整数的内存就不能再分配给浮点数。 13、3D卷积表示渔夫的网是多层嵌套的渔网，上中下层水体的鱼儿都跑不掉；说话不需要成本的说说的图片(5)
说话不需要成本的说说的图片(6)