Commit 4f4a240c authored by Carsten Eie Frigaard's avatar Carsten Eie Frigaard
Browse files

update

parent 7cc1a9a1
...@@ -4,6 +4,6 @@ ...@@ -4,6 +4,6 @@
.ipynb_checkpoints .ipynb_checkpoints
__pycache__ __pycache__
Old Old
Html Htmlxx
Etc/CourseBuilder/Demos Etc/CourseBuilder/Demos
<!DOCTYPE html>
<html>
<!-- AUTOGENERATED HTML from CourseBuilder, CEF -->
<meta http-equiv='Content-Type' content='text/html; charset=utf-8'/>
<body style='font-family: times new roman, times, serif;font-size: 12pt;color: #000000;'>
<h3>Web sites</h3>
Primære
<dl>
<dt><span style='font-family: courier new, courier;'>[GITHOML]</span>:
<dd><span style='font-family: courier new, courier;'><a href='https://github.com/ageron/handson-ml2/' rel='noopener' target='_blank'>github.com/ageron/handson-ml2/</a></span>
<dt>Scikit-learn:
<dd><span style='font-family: courier new, courier;'><a href='https://scikit-learn.org/stable/' rel='noopener' target='_blank'>scikit-learn.org/stable/</a></span>
<dt>Keras:
<dd><span style='font-family: courier new, courier;'><a href='https://keras.io/' rel='noopener' target='_blank'>keras.io/</a></span>
</dl>
Sekundære
<ul>
<li><span style='font-family: courier new, courier;'><a href='https://jupyter-notebook.readthedocs.io/en/stable/' rel='noopener' target='_blank'>Jupyter: jupyter-notebook.readthedocs.io/en/stable</a></span></li>
<li><span style='font-family: courier new, courier;'><a href='https://anaconda.org/' rel='noopener' target='_blank'>Anaconda Cloud: anaconda.org</a></span></li>
<li><span style='font-family: courier new, courier;'><a href='https://www.tensorflow.org/' rel='noopener' target='_blank'>Tensorflow: www.tensorflow.org</a></span></li>
</ul>
Datakilder
<ul>
<li><span style='font-family: courier new, courier;'><a href='https://www.kaggle.com/' rel='noopener' target='_blank'>Kaggle datasæts: www.kaggle.com</a></span></li>
<li><i>Sign in with your email</i> =&gt; genbrug gerne min konto, og undgå tidssplid:
<ul>
<li>user: cef@ase.au.dk</li>
<li>password: test123</li>
</ul>
</li>
</ul>
Dokumentation
<ul>
<li>Brug den indbyggede hjælp i [JPYNP]</li>
<img src='https://itundervisning.ase.au.dk/ITMAL_E21/Html/Figs/Screenshot_jupyter_help.png' alt='the-missing-link: https://itundervisning.ase.au.dk/ITMAL_E21/Html/Figs/Screenshot_jupyter_help.png'>
</ul>
Guides etc.
<ul>
<li><span style='font-family: courier new, courier;'><a href='https://www.w3schools.com/python/python_intro.asp' rel='noopener' target='_blank'>A Quick Python intro (short)</a></span></li>
<li><span style='font-family: courier new, courier;'><a href='https://docs.python.org/3/tutorial/' rel='noopener' target='_blank'>A Python tutorial (not so short!)</a></span></li>
<li>Jupyter shortcuts quick guide XXX</li>
<li>Scikit-learn reference XXX</li>
<li>Scikit-learn cheat sheet XXX</li>
</ul>
</body>
</html>
\ No newline at end of file
<!DOCTYPE html>
<html>
<!-- AUTOGENERATED HTML from CourseBuilder, CEF -->
<meta http-equiv='Content-Type' content='text/html; charset=utf-8'/>
<body style='font-family: times new roman, times, serif;font-size: 12pt;color: #000000;'>
Der er adgang til en GPU baseret server i forbindelse med kurset. Serveren består af en
&#x27;master&#x27; som kan tilgås via
<dl>
<dd><span style='font-family: courier new, courier;'><a href='http://gpucluster.st.lab.au.dk/'>gpucluster.st.lab.au.dk/</a></span>
</dl>
og fem &#x27;slave&#x27; noder med GPU&#x27;er via
<dl>
<dd><span style='font-family: courier new, courier;'><a href='http://gpucluster.st.lab.au.dk/jhub1'>gpucluster.st.lab.au.dk/jhub1</a></span>
<dd><span style='font-family: courier new, courier;'><a href='http://gpucluster.st.lab.au.dk/jhub2'>gpucluster.st.lab.au.dk/jhub2</a></span>
<dd><span style='font-family: courier new, courier;'><a href='http://gpucluster.st.lab.au.dk/jhub3'>gpucluster.st.lab.au.dk/jhub3</a></span>
<dd><span style='font-family: courier new, courier;'><a href='http://gpucluster.st.lab.au.dk/jhub4'>gpucluster.st.lab.au.dk/jhub4</a></span>
<dd><span style='font-family: courier new, courier;'><a href='http://gpucluster.st.lab.au.dk/jhub4'>gpucluster.st.lab.au.dk/jhub4</a></span>
<dd><span style='font-family: courier new, courier;'><a href='http://gpucluster.st.lab.au.dk/jhub5'>gpucluster.st.lab.au.dk/jhub5</a></span> (GPU 3090 og ny 4GHz CPU, 3090 har problemer med Tensorflow)
</dl>
som frit kan benyttes.
<p>Adgang kræver at i er på EDUROAM eller VPN/au access.</p>
<p>Der er pt. ingen load-balancing på de fire noder så se på gpucluster hjemmesiden, hvilke noder der er mindst belastede (via TOP
dataene).</p>
<h3>Brug</h3>
<p>Alle grupper har fået deres egen konto, og f.eks. så logger Grp 09 ind som:</p>
<dl>
<dd>Login: f21mal09
<dd>Password: f21mal09_123
</dl>
<p>Dvs. brugernavn/login f21malXX hvor XX er jeres ITMAL gruppe og password sammen som brugernavn med _123
tilføjet.</p>
<h3>Quick Guide</h3>
<dl>
<dt>GIT via Jupyter:
<dd>I kan clone git repositoret via en &#x27;!&#x27;-shell commando i Jupyter notepad&#x27;en
<dd><span style='font-family: courier new, courier;'>! git clone https://cfrigaard@bitbucket.org/cfrigaard/itmal</span>
<dd>og så herefter pull&#x27;e via
<dd><span style='font-family: courier new, courier;'>! cd itmal &amp;&amp; git pull</span>
<dt>PYTHONPATH
<dd>NOTE: PYTHONPATH er IKKE sat (som vi gjorde i L03/modules_and _classes.ipynb), men kan simuleres via
<dd><span style='font-family: courier new, courier;'>import sys,os sys.path.append(os.path.expanduser(&#x27;~/itmal&#x27;))</span>
</dl>
<p>Hvis du kloner <span style='font-family: courier new, courier;'>[GITMAL]</span> til itmal som ovenfor er der nu automatisk sat en path op til libitmal, prøv det!</p>
<h3>GPU Hukommelse</h3>
<p>Ved brug af Keras+GPU allokeres automatisk al GPU hukommelse. Når vi er flere brugere skal i derfor indsætte
følgende i starten af jeres Keras/Tensorflow Jupyter notebook kode:</p>
<pre style='margin-left: 30px;'><code>
import tensorflow as tf
from keras.backend.tensorflow_backend import set_session
config = tf.ConfigProto()
config.gpu_options.per_process_gpu_memory_fraction = 0.05
config.gpu_options.allow_growth=True
set_session(tf.Session(config=config))
</code></pre>
eller blot
<pre style='margin-left: 30px;'><code>
from libitmal import kernelfuns as itmalkernelfuns
itmalkernelfuns.EnableGPU()
</code></pre>
<p>så allokeres kun en brøkdel af GPU hukommelsen! Det ser ud til at growth=True ikke virker, så sæt
per_process_gpu_memory_fraction op hvis i har behov.</p>
<p>Der kører nu et automatisk startup-script når i logger ind/åbner en notebook. Se</p>
<pre style='margin-left: 30px;'><code>/home/shared/(??)/startup/00_init.py</code></pre>
<p>der kører StartupSequence_SetPath() og StartupSequence_EnableGPU(), den sidste funktion med følgende default
parametre</p>
<pre style='margin-left: 30px;'><code>def StartupSequence_EnableGPU(gpu_mem_fraction=0.05, gpus=None, cpus=None)</code></pre>
<p>Bemærk at jeres jupyter server, beholder all hukommelse, også når i logger af...kun &quot;stop my server&quot;/&quot;start server&quot;
frigiver!</p>
<h3>Noter</h3>
<p>Terminal på cluster: brug Jupyter notebooks terminalen. Herefter har du en fin terminal på cluster noden</p>
<p>SSH til cluster: eller gør det på den klassiske metode via SSH til clusterens &#x27;masternode&#x27; via</p>
<pre style='margin-left: 30px;'><code>&gt; ssh -p 443 gpucluster.st.lab.au.dk</code></pre>
<p>og herfra videre til &#x27;noder&#x27; via ssh node 1 til node 5, f.eks.</p>
<pre style='margin-left: 30px;'><code>&gt; ssh node3</code></pre>
<p>Brug ikke &#x27;masternode&#x27;en til udregninger, kun node 1 til 5!</p>
<p>Sæt gerne jeres SSH certifikater på, så i slipper for login/password.</p>
<p>Password kan kun ændres via SSH og <span style='font-family: courier new, courier;'>&gt; passwd</span></p>
<p>Se Hvad der kører på CPU</p>
<pre style='margin-left: 30px;'><code>! top -n1</code></pre>
<p>Se Hvad der kører på GPU</p>
<pre style='margin-left: 30px;'><code>! nvidia-smi</code></pre>
<p>Kill din egne processer</p>
<pre style='margin-left: 30px;'><code>! kill -9 &lt;pid&gt;</code></pre>
<p>eller</p>
<pre style='margin-left: 30px;'><code>! pkill &lt;procesnavn&gt;</code></pre>
</body>
</html>
\ No newline at end of file
<!DOCTYPE html>
<html>
<!-- AUTOGENERATED HTML from CourseBuilder, CEF -->
<meta http-equiv='Content-Type' content='text/html; charset=utf-8'/>
<body style='font-family: times new roman, times, serif;font-size: 12pt;color: #000000;'>
<dl>
<dt>[<b>AI</b>]:
<dd>Artificial intelligence (kunstig intelligens). Generelt bruges udtrykket ML i stedet for AI i kurset.
<dt>[<b>CNN</b>]
<dd>Convolutional Neural Network(s), undersort at NN&#x27;s, primært til billebehandling.
<dt>[<b>DL</b>]
<dd>Enten bare Deep Learning eller Deep Learning bogen af Ian Goodfellow, et. al.
<dt>[<b>G</b>]
<dd>Group, ITMAL øvelsesgruppe.
<dt>[<b>GITHOML</b>]
<dd>
<dl>
<dt>Github repository til <span style='font-family: courier new, courier;'>[HOML]</span>,
<dd><span style='font-family: courier new, courier;'><a href='https://github.com/ageron/handson-ml2/' rel='noopener' target='_blank'>github.com/ageron/handson-ml2/</a></span>
<dt>Clone via HTTPS
<dd><span style='font-family: courier new, courier;'>git clone https://github.com/ageron/handson-ml2.git</span>
<dt>eller via SSH
<dd><span style='font-family: courier new, courier;'>git clone git@github.com:ageron/handson-ml2.git</span>
</dl>
<dt>[<b>GITMAL</b>]
<dd>
<dl>
<dt>Git repository for ITMAL,
<dd><span style='font-family: courier new, courier;'><a href='https://gitlab.au.dk/au204573/GITMAL/'>gitlab.au.dk/au204573/GITMAL/</a></span>
<dt>Clone via HTTPS
<dd><span style='font-family: courier new, courier;'>git clone https://gitlab.au.dk/au204573/GITMAL.git</span>
<dt>eller via SSH
<dd><span style='font-family: courier new, courier;'>git clone git@gitlab.au.dk:au204573/GITMAL.git</span>
</dl>
<dt>[<b>HOML</b>]
<dd>Hands-on Machine Learning af Aurélien Géron, hovedlitteratur til dette kursus. For klarhedens skyld udtales &#x27;HOML&#x27; som Holm i Brian Holm.
<dd>
<br><img src='https://itundervisning.ase.au.dk/ITMAL_E21/Html/Figs/brian_holm.jpg' alt='Brian Holm (foto fra cdn-ctstaging.pressidium.com)'>
<br><br>
<span style='font-size: xx-small;'>[kilde: https://cdn-ctstaging.pressidium.com/wp-content/uploads/2020/12/CORVOS_00000365-066.jpg]</span><br>
<dt>[<b>ITMAL</b>]
<dd>IT Machine Learning, kursusnavnet.
<dt>[<b>JPYNB</b>]
<dd>Jypyter Python NoteBook, dvs. Notebook applikationen eller en notebook kildetekst fil (med endelsen .ipynb).
<dt>[<b>ML</b>]
<dd>Machine Learning, det generelle koncept.
<dt>[<b>NN</b>]
<dd>Neural Network(s). Normalt forstået som fully-connected neurale netværk (se også CNN).
<dt>[<b>O1, O2, O3, O4</b>]
<dd>En opgaveaflevering, f.eks. O1 for opgaveaflevering 1.
<dt>[<b>SG</b>]
<dd>Super-gruppe, bestående af tre eller fire Grupper [G]&#x27;s.
<dt>[<b>Q</b>]:
<dd>Et specifikt spørgsmål (Questions) i en journal opgave, ala Qc for opgave &#x27;c&#x27; i et journal spørgsmål.
</dl>
</body>
</html>
\ No newline at end of file
<!DOCTYPE html>
<html>
<!-- AUTOGENERATED HTML from CourseBuilder, CEF -->
<meta http-equiv='Content-Type' content='text/html; charset=utf-8'/>
<body style='font-family: times new roman, times, serif;font-size: 12pt;color: #000000;'>
<h3>Formål</h3>
<p><i>Gruppe tilmelding:</i> tilmeld dig til en ITMAL gruppe (find link i Brightspace!).</p>
<ul>
<li>Antal studerende per grupper er = 3.</li>
<li>Grupper med 2 eller 1</li>
<li>studerende vil blive sammelagt. Skriv til undervisere, hvis du har en gyldig grund til at være SOLO i en gruppe.</li>
</ul>
<p><i>Installation</i>: de obligatoriske værktøjer til ITMAL inden kursusstart (dvs.
L01).</p>
<p><i>Forberedelse til L01:</i> Hent GIT repositories til litteraturen <span style='font-family: courier new, courier;'>[GITHOML]</span>,
prøv at kører et par Jupyter Notebooks <span style='font-family: courier new, courier;'>[JPYNB]</span>, og læs mere om pythons NumPy
bibliotek.</p>
<p><i>Ekstra materiale til forberedelse:</i> optionelle python opgaver, hvis du
vil sætte dig mere ind i sproget.</p>
<h3>Installation</h3>
<ul>
<li>Installer Anaconda på din PC:</li>
<ul><li><span style='font-family: courier new, courier;'><a href='https://www.anaconda.com/products/individual' rel='noopener' target='_blank'>www.anaconda.com/products/individual</a></span></li></ul>
<ul><li>vælg &#x27;Download&#x27; (downloader direkte for Windows),</li></ul>
<ul><li>eller vælg Linux eller Mac, 32 eller 64 bit (dit valg),</li></ul>
<ul><li>nværende nyeste Anaconda3 version er <b>2021.05</b></li></ul>
<li>ALTERNATIV 1:</li>
<ul><li>brug vores ASE GPU Cluster som jupyter hub server,</li></ul>
<ul><li>se info in <a href='https://brightspace.au.dk/d2l/le/lessons/27524/topics/244596' rel='noopener' target='_blank'>kursusinformation | GPU Cluster</a>.</li></ul>
<li>ALTERNATIV 2:</li>
<ul><li>Lav en konto på Google&#x27;s Colaboratory,</li></ul>
<ul><li><span style='font-family: courier new, courier;'><a href='https://colab.research.google.com' rel='noopener' target='_blank'>colab.research.google.com</a></span></li></ul>
<li>Test at du kan køre jupyter notebooks [JYPYNB] fra <span style='font-family: courier new, courier;'>[GITHOML]</span>, prøv f.eks. <span style='font-family: courier new, courier;'>index.ipynb</span></li>
</ul>
<h3>Forberedelse til Lektion 01</h3>
<ul>
<li>Læs materiale i <a href='https://brightspace.au.dk/d2l/le/lessons/27524/units/244588'>kursusinformation</a>,</li>
<li>få fat i litteratur til kurset,</li>
<li>clone <span style='font-family: courier new, courier;'>[GITHOML]</span> til din egen PC, se how-to under <a href='https://brightspace.au.dk/d2l/le/lessons/27524/topics/254943' rel='noopener' target='_blank'>kursusinformation | kursusforkortelser</a>.</li>
<li>skim denne tutorial igennem:</li>
<ul><li><i>§ Scientific Python tutorials:</i> NumPy, <span style='font-family: courier new, courier;'>tools_numpy.ipynb</span>, <span style='font-family: courier new, courier;'>[GITHOML]</span>
<ul><li>Læs blot, hvad du finder relevant så som &#x27;iteration&#x27;, men
spring blot over emner, der er for komplekse eller for &#x27;pythoniske&#x27;, så
som &#x27;Stacking arrays&#x27; og &#x27;QR decomposition&#x27;.</li></ul>
</li></ul>
</ul>
<h3>Note vdr. kildekritik og &#x27;informations-overload&#x27;</h3>
<p>Vi vil i dette kurset tit kunne blive overvældet af for meget ekstern
information (informations-overload), så du skal danne dig en metode til at
kunne selektere og navigere i materialet.</p>
<p>Vi holder os primært til <span style='font-family: courier new, courier;'>[HOML]</span>, <span style='font-family: courier new, courier;'>[GITHOML]</span> og Scikit-learn, med en note om,
at nettet flyder over med ekstra (til tider ubrugelig/ufiltreret) information:
en kildekritiks holdning er vigtig!</p>
<h3>Ekstra materiale til forberedelse</h3>
<p>Hvis du har brug for at opfriske dit lineær algebra matematik eller er helt
ny til python, så kan du f.eks. læse/skimme følgende notebooks, i prioriteret
rækkefølge:</p>
<ol type='i'>
<li>(OPTIONEL) python og vectors/matrices math: <br> <span style='margin-left: 30px;'><span style='font-family: courier new, courier;'>math_linear_algebra.ipynb</span> <span style='font-family: courier new, courier;'>[GITHOML]</span>,</span></li>
<li>(OPTIONEL) python og grafisk plotting: <br> <span style='margin-left: 30px;'><span style='font-family: courier new, courier;'>tools_matplotlib.ipynb</span> <span style='font-family: courier new, courier;'>[GITHOML]</span>,</span></li>
<li>(OPTIONEL) ekstra, Python og dataværktøjet &#x27;Pandas&#x27;: <br> <span style='margin-left: 30px;'><span style='font-family: courier new, courier;'>tools_pandas.ipynb</span> <span style='font-family: courier new, courier;'>[GITHOML]</span>,</span></li>
<li>(OPTIONEL) ekstra, mest for de matematik intereserede: <br> <span style='margin-left: 30px;'><span style='font-family: courier new, courier;'>math_differential_calculus.ipynb</span> <span style='font-family: courier new, courier;'>[GITHOML]</span>.</span></li>
</ol>
<p>Pandas er et meget populært databehandlingsværktøj, men det
bruges/introduceres dog ikke formelt i dette kursus (du er velkommen til selv
at undersøg/bruge det).</p>
</body>
</html>
\ No newline at end of file
<!DOCTYPE html>
<html>
<!-- AUTOGENERATED HTML from CourseBuilder, CEF -->
<meta http-equiv='Content-Type' content='text/html; charset=utf-8'/>
<body style='font-family: times new roman, times, serif;font-size: 12pt;color: #000000;'>
<h3>Formål</h3>
Denne lektion har til formål at give indledende information om kurset. Dvs.
at vi præsentere de formelle rammer vdr.
<ul>
<li>ITMAL gruppetilmelding,</li>
<li>opgavesæt og journalafleveringer,</li>
<li>eksamensform,</li>
<li>Blackboard opbygning og fildeling.</li>
</ul>
<p>Herefter vil vi præsentere machine learning [ML] som koncept overordnet, og
kort ridse lektionsplanen for kurset op.</p>
<p>Software til brug for kurset introduceres og skal installeres på jeres
PC&#x27;er, se &#x27;L00: Forberedelse&#x27; for en installationsguide. Vi anvender python
distributionen anaconda og i henter og installere den sidste nye version. På
klassen vil der blive givet en kort demo af jupyter notebooks, dvs. et at de
udviklingsværktøjer til python vi vil bruge.</p>
<p>Vi kigge på Scikit-learn, det primære eksterne web-sted vi vil bruge i
kurset, samt forsøge os med et par små programmer i python.</p>
<p>Til slut kigger vi på supervised learning og at kunne predicte
&#x27;life-satisfactory&#x27; via demo projektet i <span style='font-family: courier new, courier;'>[HOML]</span>, og vi ser på pythons modul- og
klassebegreber (modules, classes), så vi kan genbruge kode i senere
lektioner..</p>
<h3>Indhold</h3>
<ul>
<li>Formelle rammer vdr. kurset.</li>
<li>Eksamensform, godkendelsesfag via:</li>
<ul>
<li>et sæt obligatoriske skriftlige gruppe-journaler med afleveringsdeadlines,</li>
<li>en poster-session, med aflevering af poster og mundtlig præsentation af poster,</li>
<li>en mundtlig gennemgang af den sidste journal med alle medlemmer i ITMAL gruppen, samt evaluering af hver gruppemedlems bidrag.</li>
<ul><li><br><b><span style='color: #ff3333'>=&gt; Endelig godkendelse af kurset sker på en samlet vurdering af de tre punkter ovenfor.</span></b></li></ul>
</ul>
<li>Læringsmål.</li>
<li>Litteratur.</li>
<li>Intro til software, der bruges i ITMAL:</li>
<ul>
<li>python generelt (link til mini python intro: <span style='font-family: courier new, courier;'><a href='https://itundervisning.ase.au.dk/ITMAL_E21/L01/demo.ipynb'>demo.ipynb</a></span>,</li>
<li>anaconda python distribution:</li>
<ul>
<li>jupyter notebooks,</li>
<li>spyder developer environment.</li>
</ul>
<li>Scikit-learn,</li>
<li>opgave med python modul og klasser.</li>
</ul>
<li>Intro til machine learning:</li>
<ul>
<li>Supervised learning (regression): &#x27;life-satisfactory&#x27; <span style='font-family: courier new, courier;'>[HOML]</span>.</li>
</ul>
</ul>
<h3>Litteratur</h3>
<ul style='list-style-type:none;'>
<li><i>§ Preface</i>, p. xv <span style='font-family: courier new, courier;'>[HOML]</span> (eksklusiv fra <i>Using Code Examples</i>...og resten af intro kapitlet)</li>
<li><i>§ 1 The machine Learning Landscape</i> <span style='font-family: courier new, courier;'>[HOML]</span></li>
<li><i>§ 2 End-to-End Machine Learning Project</i> <span style='font-family: courier new, courier;'>[HOML]</span></li>
</ul>
<p>Dette kapitel indeholder mange nye koncepter og en del kode. Vi vender
senere tilbage til kapitlet senere, så læs det og prøv at danne dig et overblik
(dvs. nærlæs ikke).</p>
<p>Når du har installeret anaconda (se L00):</p>
<ul style='list-style-type:none;'>
<li><i>§ Scientific Python tutorials: NumPy</i></li>
<dl><dd><span style='font-family: courier new, courier;'>tools_numpy.ipynb</span> <span style='font-family: courier new, courier;'>[GITHOML]</span></dd></dl>
</ul>
<p>Læs blot, hvad du finder relevant så som &#x27;iteration&#x27;, men spring blot over
emner, der er for komplekse eller for &#x27;pythoniske&#x27;, så som &#x27;Stacking arrays&#x27; og
&#x27;QR decomposition&#x27;.</p>
<h3>Forberedelse inden lektionen</h3>
<ul>
<li>Meld dig ind i en ITMAL working-group [G].</li>
<li>Følg installation processen givet i lektion nul (&#x27;L00: Forberedelse&#x27;).</li>
<li>Læs pensum.</li>
</ul>
<h3>På klassen</h3>
<ol type='i'>
<li>Diskussion om ML (indlejret i forelæsningen).</li>
<li><b>Opgave</b> (introduktion): <span style='font-family: courier new, courier;'><a href='https://itundervisning.ase.au.dk/ITMAL_E21/L01/intro.ipynb'>intro.ipynb</a></span> </li>
<dl><dd>HUSK DATA til intro&#x27;en (download og udpak så dataset dir ligger sammen med intro.ipynb): <span style='font-family: courier new, courier;'><a href='https://itundervisning.ase.au.dk/ITMAL_E21/L01/datasets.zip'>datasets.zip</a></span></dd></dl>
<li><b>Opgave</b> (python introduktion): <span style='font-family: courier new, courier;'><a href='https://itundervisning.ase.au.dk/ITMAL_E21/L01/modules_and_classes.ipynb'>modules_and_classes.ipynb</a></span></li>
</ol>
<h3>Optionelle opgaver</h3>
<p>Se &#x27;Ekstra materiale til forberedelse&#x27; i lektion &#x27;nul&#x27;, specielt hvis du har
brug for en python og lineær algebra kick-start.</p>
<h3>Slides</h3>
<ul style='list-style-type:none;'>
<li><span style='font-family: courier new, courier;'><a href='https://itundervisning.ase.au.dk/ITMAL_E21/L01/lesson01.pdf'>lesson01.pdf</a></span> (vil blive opdateret inden lektion)</li>
</ul>
</body>
</html>
\ No newline at end of file
<!DOCTYPE html>
<html>
<!-- AUTOGENERATED HTML from CourseBuilder, CEF -->
<meta http-equiv='Content-Type' content='text/html; charset=utf-8'/>
<body style='font-family: times new roman, times, serif;font-size: 12pt;color: #000000;'>
<h3>Hands-on Machine Learning <span style='font-family: courier new, courier;'>[HOML]</span></h3>
<dl>
<dd><img src='https://itundervisning.ase.au.dk/ITMAL_E21/Html/Figs/book_homl.jpg' alt='Hands-on Machine Learning with Scikit-Learn (front image)'>
<dd><i>Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow:<br> Concepts, Tools, and Techniques to Build Intelligent Systems</i>
<dd><br>
<dd>Aurélien Géron
<dd>O&#x27;Reilly / Wiley, 2019, 2.ed.
<dd>ISBN: 9781492032649
<dd><span style='font-family: courier new, courier;'><a href='https://www.oreilly.com/library/view/hands-on-machine-learning/9781492032632/' rel='noopener' target='_blank'>O&#x27;Reilly link</a></span>
<dd><br>
<dl>
<dt><i>NOTE 1:</i>
<dd>Dette er anden udgave (Second Edition/2.ed) af Géron&#x27;s <i>Hands-on</i>,
undgå at bruge førsteudgaven, idet den benytter TensorFlow direkte i stedet for
Keras, og desuden har flere mangler.
<dt><i>NOTE 2:</i>
<dd>I PDF udgaven (Early Release, June 2019, 2019-04-22: Fifth Release)
svarer sidetal og nogle kapitler ikke til den officielle bog udgave ovenfor!
</dl>
</dl>
<h3>Deep Learning [DL]</h3>
<dl>
<dd><img src='https://itundervisning.ase.au.dk/ITMAL_E21/Html/Figs/book_dl.jpg' alt='Deep Learning (front image)'>
<dd><i>Deep Learning</i>
<dd><br>
<dd>Ian Goodfellow, Yoshua Bengio, Aaron Courville
<dd>The MIT Press
<dd>November 18, 2016
<dd>Hardcover: 775 pages
<dd>ISBN-10: 0262035618
<dd>ISBN-13: 978-0262035613
<dd><span style='font-family: courier new, courier;'><a href='http://www.deeplearningbook.org/' rel='noopener' target='_blank'>www.deeplearningbook.org/</a></span>
<dd><br>
<dl>
<dt><i>NOTE:</i>
<dd>Ikke obligatorisk, kun få afsnit og figurer bruges herfra.
(Bog god til videregående Neural Netværks-teori
og meget brugt i ML sammenhænge.)
</dl>
</dl>
</body>
</html>
\ No newline at end of file
This diff is collapsed.
<!DOCTYPE html>
<html>
<!-- AUTOGENERATED HTML from CourseBuilder, CEF -->
<meta http-equiv='Content-Type' content='text/html; charset=utf-8'/>
<body style='font-family: times new roman, times, serif;font-size: 12pt;color: #000000;'>
<style type='text/css'>
.ECE_coursebuilder_table { background-color:white; border-collapse:collapse; text-align:center }
.ECE_coursebuilder_table th { background-color:black; color:white; }
.ECE_coursebuilder_table th, .ECE_coursebuilder_table td { padding:5px; border:1px solid black; }
.ECE_coursebuilder_table tr:nth-child(even) { background: #DDD; }
.ECE_coursebuilder_table tr:nth-child(odd) { background: white; }
</style>
NOTES<br>
Tidpunkt: Fredage 08:15 til 12:00<br>
Lokale: 5106-110<br>
BA: 15/12 aflevering af bachelorprojekt<br>
<br>
<table class='ECE_coursebuilder_table'>
<tbody>
<tr>
<th width='40'>Uge</th>
<th width='110'>Dato</th>
<th width='20'>Lektion</th>
<th width='200'>Emne</th>
<th width='90'>Opgave</th>
<th width='150'>Kommentar</th>
</tr>
<tr>
<td>35</td>
<td>03/09-2021</td>