【活动总结】 Machine Learning Study Jams for Senior

[厦门谷歌开发者社区]

Xiamen GDG 2018 Winter - Machine Learning Study Jams - for Senior

[title] Machine Learning Study Jams - for Senior

[time] 2018.12.16   9:00 - 17:00

[address] 607 Keyan2, Haiyunyuan, Xiamen University

               203 Jiaoxuelou, Xueshenggongyu, Xiamen University

[lecturers] 郑炜，何森勖

[volutees ]彭丽敏，黄钰雁

[organizers] Zheng Lixiang, Xu Lili, Wu Dewen

[attendees] 15

[Women Attending] 20%

[keywords] #StudyJams #MachineLearning #Tensorflow #XiamenGDG

[highlights]

1. 中高级培训, 报名筛选面向有基础者

2. 由谷歌机器学习技术专家GDE郑炜指导学员用TF解决实际问题

【活动准备工作】

报名表上请参与者写一段tensorflow代码，并简单描述自己用tf做过的程序。

并在活动通知邮件中提醒参与者：

为使课程高效进行，请做以下准备工作：

* 注册google账号，确保能使用Google colab

* 注册kaggle账号并短信验证(都是免费的)

* 本地装好 keras

* 提前下载好 keras.application.resnet50和keras.application.vgg16

* 安装 jupyter notebook

* https://keras.io/applications/ 这上面有解释keras.application的使用方法

【活动回放】

周日的活动开始时间为9点，地点为厦门大学海韵园科研二607（曾厝安西路7号，软件园一期对面）。因学校部分区域停电，下午在曾厝安公寓教学楼203。

本次活动由谷歌机器学习技术专家GDE郑炜和何森勖一起担任讲师，以kaggle 的data-science-bowl-2018赛题为例讲解了如何使用U-NET进行图像像素级分割，并用ResNet50改造U-NET，以提高准确率，同时还可以通过提取边缘，对重叠细胞进一步分离，以提高准确度。主要的技术内容包括：

1.EDA
2.Evaluation Metrics (评估指标)
3.Preprocessing (预处理)
4.U-Net (模型)
5.Transfer Learning (迁移学习)
ResNet50 pretrained on ImageNet
本次活动使用Keras来做数据预处理，建立模型和运算。由于赛题的数据量较少，因而使用了U-NET来处理。U-Net是一个特别的FCN架构，他适合在数据量少、分类类别少的情况下建立图像分割的模型。