迷你项目有两个独立的组成部分：
- 基础组件 [6分]：使用genki4k数据集，构建一个机器学习流程，该流程以图像作为输入，并预测1)图像中的人是否在微笑 2)估计图像中的3D头部姿态标签。
- 高级组件 [10分]：提出你自己的机器学习问题，并使用genki4k数据集(https://inc.ucsd.edu/mplab/398/)构建一个机器学习解决方案。
你的提交将包括两个Jupyter笔记本，一个用于基础组件，另一个用于高级组件。请为每个笔记本命名：
- CBU5201_miniproject_basic.ipynb
- CBU5201_miniproject_advanced.ipynb
然后压缩并一起提交它们。
每个上传的笔记本应包括：
- 文本单元格，简洁地描述每个步骤和结果。
- 代码单元格，实现每个步骤。
- 输出单元格，即每个代码单元格的输出。
并且应具有下面指示的结构。笔记本可能不会运行，请确保保存了输出单元格。
我们将如何评估你的提交？
- 你的写作简洁性（10%）。
- 你的方法正确性（30%）。
- 你的分析和结论的正确性（30%）。
- 完整性（10%）。
- 原创性（10%）。
- 尝试新事物的努力（10%）。
建议：为什么不使用GitHub来管理你的项目？GitHub可以作为一张展示卡，展示你所做的事情，并证明你的数据科学技能、知识和经验。
每个笔记本应分为以下9个部分：
学生姓名：
学生ID：
描述你想解决的机器学习问题，并解释它的有趣之处。
描述你的ML流程。清楚地识别其输入和输出，任何中间阶段（例如，转换 -> 模型），以及从一个阶段到下一个阶段的中间数据。你可以自由决定在你的流程中包含哪些阶段。
描述任何转换，如特征提取。识别输入和输出。解释你为什么选择这个转换阶段。
描述你将构建的ML模型。解释你为什么选择它们。
描述你将如何训练和验证你的模型，如何评估模型性能（例如，准确性，混淆矩阵等）
描述你将用来创建和验证你的模型的数据集。如果你需要对它进行预处理，请在这里进行。也包括可视化。你可以可视化原始数据样本或提取的特征。
在这里进行你的实验，解释你的结果。
你的结论，改进等应放在这里