系统梳理监督学习中分类、回归、排序等任务的常用损失函数，理解其数学形式和适用场景。
针对胸部 X 光片进行疾病多标签分类，学习 CheXNet 等模型如何处理类不平衡、高分辨率影像并实现临床辅助筛查。
拓展点云任务，学习 PointNet++ 的分层局部特征聚合、基于图卷积的方法和 Transformer 点云模型，实现场景级分割。
利用 FastText 的子词嵌入和分层 softmax，快速进行文本分类和表征。
基于贝叶斯定理的特征条件独立假设，快速实现文本分类和垃圾邮件过滤。
深入 SVM 原理，理解线性可分、软间隔和核函数映射至高维空间的技巧。
系统学习常用监督学习模型，理解其原理、优缺点及在 Scikit-learn 中的调参。
解决分类中的样本不平衡问题，学习随机过/欠采样、SMOTE 系列及代价敏感学习，配合 Precision-Recall 等评估指标。