课程实验

课程设置一次开发环境配置、三次单人实验和一次多人 Final Project。

LAB0 已正式发布

截止时间为 2026-09-21 06:00。截止后仍可提交；每迟交 1 天，扣除该实验成绩的 10%。

实验总览

LAB1 已正式发布

截止时间为 2026 年 10 月 19 日 06:00（北京时间），报告与代码适用同一截止时间。实验报告上传 Blackboard，submission.py 单独上传 OJ，不接收其他文件。

编号	标题	DDL	入口
LAB0	机器学习开发环境配置	2026-09-21 06:00	实验文档 ↓ · OJ
LAB1	线性回归与正则化（单人）	2026-10-19 06:00（北京时间）	实验文档 ↓ · 代码与数据 · Blackboard · OJ
LAB2	反向传播与神经网络（单人）	—	—
LAB3	高维数据的表示、聚类与分类（单人）	—	—
LAB4	搜索与强化学习博弈智能体（多人 Final Project）	—	—

已发布内容

LAB0 机器学习开发环境配置

配置 Git、Miniforge/Conda 和 VS Code，安装 NumPy、scikit-learn 与 PyTorch，并运行课程提供的验证程序。程序把确定性的机器学习计算结果与当前账户学号组合后生成 SHA256，由 TensorJudge 验证环境是否正确。

LAB0 同时提供 Windows 与 macOS 操作说明，不要求 GPU。

LAB1 线性回归与正则化

个人完成，预计 8–10 小时。使用材料中的 environment.yml 新建 ai3002-lab1 环境，补全 src/submission.py，完成学习率和正则化参数的联合调整、评估对照及最终测试。最终配置写入 get_config()；OJ 依据提交代码按统一的梯度下降训练规则评测。

• 报告 50 分：将 学号-姓名-LAB1.pdf 上传至 Blackboard。
• 代码 40 分、最终性能 10 分：仅将 submission.py 上传至 OJ。
• 结果目录、模型文件及压缩包不作为提交文件。完整步骤见实验 README。

提问与提交

实验通过 TensorJudge 评测。接受迟交；每迟交 1 天扣除 10% 分数。OJ 会标注迟交提交时间，但不会自动扣分，最终扣分由教师人工处理。对环境、实验框架或 OJ 有疑问时，请先搜索并通过课程资料仓库的 GitHub Issues提问；不要公开学号、验证码、SHA256、完整个人实现或未公开答案。