本课程将引入核心机器学习模型和算法,以进行分类,回归,聚类和尺寸降低。在理论方面,该课程将涵盖最常用的机器学习算法的基础数学基础,重点是理解模型及其关系。在应用方面,该课程将专注于使用机器学习方法来解决现实世界中的问题,并着重于模型选择,正则化,实验设计以及结果的介绍和解释。分配将包括数学问题和实现任务。该课程包括学生每周应观看的简短视频的异步讲座,动手项目(以小组和单独进行)以及在线讨论以巩固理解。
while(value <100)item = 10值=值 +项目•输出:快速运行源代码,而(值<100)value = value + 10•问题:您可以产生更有效的代码吗?•答案:值= 100 +(值mod 10)•问题:编程是否展示智能行为?•答案:没有对/错误的答案。我会说“是”。 •问题:对此类程序的研究是否属于AI?•答案:一般共识是“否。”
限制:信息与计算机科学学院学生优先考虑入学。软件工程专业优先考虑入学。数据科学专业优先考虑入学。计算机科学工程专业优先考虑入学。计算机科学专业优先考虑入学。商业信息管理、计算机游戏科学和信息学专业有第二考虑权。
• 话虽如此,为了在其他限制条件下灵活地完成作业,您总共有五天的免费延期时间,您可以选择在提交作业时使用。如果在截止日期后 24 小时内提交作业,您将被收取一天的延期费用,如果在截止日期后 48 小时内提交作业,您将被收取两天的延期费用,等等。如果书面或代码部分延迟提交,您的作业将被视为延迟提交。当书面和代码部分都提交时,延迟作业计时停止。在您使用完延期时间后,除非在特殊情况下(例如,医生证明的疾病),否则延迟提交的作业将不会计入学分。
本报告旨在分析不断演变的恶意软件对网络安全系统构成的威胁,特别关注生成和分类过程,以及这些过程的性能如何因不平衡的数据集而严重降低,最终对机器学习模型的性能产生不利影响。本报告旨在通过有效利用生成对抗网络 (GAN) 来应对这些挑战。GAN 将用于增强和平衡受影响的 Malimg 数据集。该报告将对有利于生成灰度恶意软件图像的不同 GAN 架构进行比较分析。这直接相关,因为本报告中考虑的数据集由灰度图像组成。该报告重点关注 Malimg 数据集的类别 Allaple.a,该类别以其在 25 个不同类别中拥有相当大的数据集而闻名。该报告将在 Allaple.a 上测试不同的 GAN 模型。所有将要测试的不同模型都已在不平衡的数据集上进行了仔细训练,并且将根据其特定的生成器和鉴别器损失以及 Fréchet 初始距离 (FID) 分数分析每个模型的有效性。这项评估不仅会平衡数据集,还会对原始恶意软件图像的脆弱性产生保护作用。除此之外,该报告还将观察这些合成平衡数据集对标准恶意软件分类模型的影响。我们提出了用于恶意软件图像生成的模型 MalGAN,并将其与现有模型进行了比较。
开幕式、主题演讲和闭幕式将在 Aula B 室举行。COMPSTAT 平行会议将在 Aula B、C、D、E、F、G、H、I 和 Q 室举行。现场参与者可以使用 Aula P 室作为安静的房间,通过自己的设备参加虚拟会议。海报会议将在线举行,但现场参与者被邀请使用自己的笔记本电脑在 Aula P 会面进行相关讨论。虚拟演示将通过 Zoom 进行。演讲者应具有稳定的互联网连接,并确保其视频和音频正常工作。他们将在主席需要时分享幻灯片,进行演讲并在演讲后回答问题。现场演讲者必须通过会议室桌面上打开的 Zoom 会话分享演示文稿。房间配有网络摄像头和全向桌面麦克风,可收集 PC 桌周围的声音,使直播变得容易。网站上可以找到虚拟或混合会议中演讲者的详细说明。一般来说,每位演讲者有 20 分钟的时间,其中包括 2-3 分钟的讨论时间。必须遵守严格的时间安排。
开幕式、主题演讲和闭幕式将在 Aula B 室举行。COMPSTAT 平行会议将在 Aula B、C、D、E、F、G、H、I 和 Q 室举行。现场参与者可以使用 Aula P 室作为安静的房间,通过自己的设备参加虚拟会议。海报会议将在线举行,但现场参与者可以携带自己的笔记本电脑在 Aula P 会面进行相关讨论。虚拟演示将通过 Zoom 进行。演讲者应具有稳定的互联网连接,并确保其视频和音频正常运行。他们将根据主席的要求分享幻灯片,进行演讲,并在演讲后回答问题。现场演讲者必须通过会议室桌面上打开的 Zoom 会话分享演示文稿。房间配有网络摄像头和全向桌面麦克风,可收集电脑桌周围的声音,使直播变得简单。可在网站上找到虚拟或混合会议中发言者的详细说明。一般而言,每位发言者有 20 分钟的时间,其中包括 2-3 分钟的讨论时间。必须严格遵守时间安排。
