#3 本次组队学习活动或教程的相关建议

看了一下作者您给出的教程，感受到Task01: 初识深度学习 Task02: 预备知识以及后续内容感觉基础知识十分夯实，十分适合新人入门。但有个问题想要反馈便是： 1.启智作为后续发展的平台在项目沉淀上相对于百度飞桨，阿里天池以及和鲸等有一定落后，希望可以在课程中加入更多项目实践，会吸引更多阅读者 2.个人也可以提供一些相关机器学习挖掘的项目，也是一些经典项目在openI云脑上调通供大家使用 使用PyTorch实现深度学习_卷积神经网络实现图像多分类：https://openi.pcl.ac.cn/ting/ting202303171051158 机器学习入门与实践_逻辑回归_朴素贝叶斯应用_K邻近：https://openi.pcl.ac.cn/ting/ting202303171135069 3.后续可以逐步增加难度，目前看到各个社区间差距还是很大的，尤其是AIGC的发展，个人目前侧重在NLP，DRL,ML方向希望以后有合作

为维持健康和谐社区生态，保证良好学习交流氛围，我们将**严格控制不友善内容**，经助教讨论后的不友善内容将予以删除，如被误删请向 <epsilon_luoo@outlook.com> 申诉。

本科生瑟瑟发抖，有没有大佬指导指导小白，

 根据https://openi.pcl.ac.cn/nanaib7/d2l/src/branch/master/Tutorials.md tutorial 在使用智算集群 CPU/GPU资源启动后，显示项目为zip文件夹。

内容增强建议 AIGC和大模型是重要方向，希望可以增加一个关系图，阐释d2l各个章节和AIGC、大模型的关系 这样就方便用学习的知识可以过度到AIGC、大模型的学习中，可以吸引更多人来学习

@nanaib7 该内容似乎**不属于本议题**，请尝试在其他区域提问

> 内容增强建议 > AIGC和大模型是重要方向，希望可以增加一个关系图，阐释d2l各个章节和AIGC、大模型的关系 > 这样就方便用学习的知识可以过度到AIGC、大模型的学习中，可以吸引更多人来学习 这个跨度有点大，估计可以在下一期活动展开吧

延续了第六期趣开源活动风格。 在启智上创建了机器学习入门系列项目，并结合了一些项目实战，一共9个项目。**刚好可以让学习目前课程这块的同学，在空档期，练练手**。 入门篇： [机器学习算法入门教程（一）: 基于逻辑回归的分类预测](https://openi.pcl.ac.cn/ting/ting202303171135069) [机器学习入门算法（二）: 基于朴素贝叶斯(Naive Bayes)的分类预测](https://openi.pcl.ac.cn/ting/ting202303171135069) [机器学习入门算法（三）：基于鸢尾花和horse-colic数据集的KNN近邻分类预测](https://openi.pcl.ac.cn/ting/ting202303171135069) [机器学习入门算法（四）: 基于支持向量机的分类预测](https://openi.pcl.ac.cn/ting/ting202303252242462) [机器学习入门算法（五）：基于企鹅数据集的决策树分类预测](https://openi.pcl.ac.cn/ting/ting202303252245555) [机器学习入门算法（六）基于天气数据集的XGBoost分类预测](https://openi.pcl.ac.cn/ting/ting202303252253248) [机器学习入门算法[七]：基于英雄联盟数据集的LightGBM的分类预测](https://openi.pcl.ac.cn/ting/ting202303252254596) [机器学习入门算法（八）：基于BP神经网络的乳腺癌的分类预测](https://openi.pcl.ac.cn/ting/ting202303262009545) [机器学习入门算法（九）: 基于线性判别模型的LDA手写数字分类识别](https://openi.pcl.ac.cn/ting/ting202303262011449) 实战篇： 机器学习实战系列一：工业蒸汽量预测（最新版本上篇）含数据探索特征工程等：https://openi.pcl.ac.cn/ting/ting202303262013328 机器学习实战系列一：工业蒸汽量预测(最新版本下篇)含特征优化模型融合等: https://openi.pcl.ac.cn/ting/ting202303262013328 内容非常详细， 后续会持续更新相关项目实战，声明前期项目大部分为经典项目，看启智平台没有没有这系列项目，个人把一些优秀案例整合一下，并在云脑调试完成。如有bug请在isuue留言即可。