学习资料
- Machine learning in bioinformatics
- 李宏毅《机器学习》、课件
- Datawhale整理的笔记
- lihang-code
- Statistical-Learning-Method_Code
- liuhuanyong.github.io
李宏毅机器学习2017
- P11-机器学习介绍 38:57
- P22-为什么要学习机器学习 01:20
- P33-回归 1:18:35
- P44-回归-演示 06:53
- P55-误差从哪来? 43:14
- P66-梯度下降 1:01:52
- P77-梯度下降(用AOE演示) 02:36
- P88-梯度下降(用Minecraft演示) 01:41
- P99-作业1-PM2.5预测 14:07
- P1010-概率分类模型 1:09:41
- P1111-logistic 回归 1:07:13
- P1212-作业2-赢家还是输家 03:22
- P1313-深度学习简介 46:30
- P1414-反向传播 31:26
- P1515-深度学习初试 29:51
- P1616-Keras2.0 09:37
- P1717-Keras演示 11:14
- P1818-深度学习提示 1:26:03
- P1919-Keras 演示2 15:21
- P2020-TensorFlow中的Fizz Buzz面试 06:10
- P2121-卷积神经网络 1:19:29
- P2222-为什么要“深度”学习? 57:46
- P2323-半监督学习 59:59
- P2424-无监督学习-线性降维 1:40:20
- P2525-无监督学习-词嵌入 40:39
- P2626-无监督学习-领域嵌入 30:58
- P2727-无监督学习-深度自编码器 42:04
- P2828-无监督学习-深度生成模型I 29:34
- P2929-无监督学习-深度生成模型II 1:03:31
- P3030-迁移学习 1:14:28
- P3131-支持向量机 1:05:27
- P3232-结构化学习-介绍 19:33
- P3333-结构化学习-线性模型 24:15
- P3434-结构化学习-结构化支持向量机 2:11:44
- P3535-结构化学习-序列标签 1:43:31
- P3636-循环神经网络I 49:00
- P3737-循环神经网络II 1:30:50
- P3838-集成学习 1:39:59
- P3939-深度强化学习-初步了解 1:06:22
- P4040-机器学习的下一步 15:27
李宏毅机器学习2021
- P1ML2021 0.课程相关说明 32:45
- P21-1.introduction-预测本频道观看人数(上) - 深度学习基本概念简介 50:00
- P31-2.introduction-预测本频道观看人数(中) - 深度学习基本概念简介 58:35
- P4Google Colab Tutorial zh 09:24
- P5ML2021 Hw1 slides 18:58
- P6hw1 run demo 21:53
- P7ML2021 Pytorch tutorial part 1 22:01
- P82-1.机器学习任务攻略 51:24
- P92-2.神经网络训练不起来怎么办(一)局部最小值 local minima与鞍点saddle point 33:45
- P102-3.神经网络训练不起来怎么办(二)-批次 batch与动量momentum 30:59
- P112-4.神经网络训练不起来怎么办(三):自动调整学习率(Learning Rate) 37:43
- P122-5.神经网络训练不起来怎么办(四):损失函数 (Loss) 也可能有影响 19:28
- P132-6.神经网络训练不起来怎么办(五):批次标准化 (Batch Normalization) 简介 30:55
- P14\[ML2021\] HW2 Chinese Version 30:50
- P153-1.卷积神经网络 (Convolutional Neural Networks, CNN) 55:40
- P16ML2021 hw3 作业说明 24:55
- P173-2.自注意力机制 (Self-attention) (上) 28:18
- P183-3.自注意力机制 (Self-attention) (下) 45:57
- P19ML2021 hw4 作业说明 25:22
- P204-1.PAC-introduction 2:33:14
- P215-1.Transformer (上) 32:47
- P225-2.Transformer (下) 1:00:33
- P23ML2021 hw5 作業讲解 + Judgeboi讲解 50:17
- P246-1.生成式对抗网络 (Generative Adversarial Network, GAN) (一) – 基本概念介紹 39:08
- P256-2.生成式对抗网络GAN (二) – 理论介绍篇WGAN 46:39
- P266-3.生成式对抗网络GAN(三) – 生成器效能评估与条件式生成 49:46
- P276-4.生成式对抗网络GAN (四) – 理论介绍篇WGAN – Cycle GAN 23:40
- P28ML2021 hw6 作业讲解 29:04
- P297-1.自监督式学习(Self-supervised Learning) (一) – 芝麻街与进阶的巨人 07:09
- P307-2.自监督式学习(Self-supervised Learning) (二) – BERT简介 50:40
- P317-3.自监督式学习(Self-supervised Learning) (三) – BERT的奇闻轶事 24:13
- P327-4.自监督式学习(Self-supervised Learning) (四)– GPT的野望 17:04
- P33ML2021 hw7 作业讲解 21:07
- P347-5.自編码器(Auto-encoder) (上) – 基本概念 19:01
- P357-6.自编码器 (Auto-encoder) (下) 30:35
- P36ML2021 hw8 作业讲解 25:44
- P378-1.來自人类恶意攻击(Adversarial Attack) (上) – 基本概念 29:49
- P388-2.來自人类恶意攻击(Adversarial Attack) (下) – 神经网络是否能躲过人类深不见底的恶意 46:33
- P39ML2021 Hw10 作业讲解 36:50
- P409-1.机器学习可解释性 (Explainable ML) (上)-神经网络如何正确区分宝可梦和数码宝贝 49:08
- P419-2.机器学习可解释性 (Explainable ML) (下) –机器心中的猫长什么样子? 22:45
- P42ML2021 Hw9 作业讲解 42:21
- P4310-1. 概述领域自学习 (Domain Adaptation) 34:33
- P44ML2021 Hw11 Domain Adaptation 作业讲解 51:55
- P4511-1. 概述增强式学习 (Reinforcement Learning, RL) (一) 增强式学习和机器学习都一样都是三个步骤 45:02
- P4611-2. 概述增强式学习 (Reinforcement Learning, RL) (二) – Policy Gradient 兴修课心情 41:15
- P4711-3. 概述增强式学习 (Reinforcement Learning, RL) (三) - Actor-Critic 34:41
- P4811-4. 概述增强式学习 (Reinforcement Learning, RL) (四) - 回馈非常罕见怎么办 17:35
- P4911-5. 概述增强式学习 (Reinforcement Learning, RL) (五) - 如何从示范中学习?逆向增強式学习 (Inverse RL) 27:08
- P50ML2021 Hw12 作业讲解 21:59
- P5112-1. 神经网络压缩 (Network Compression) (一) -类神经网路剪枝 (Pruning) 与大乐透假说 (Lottery T 29:32
- P5212-2. 神经网络 (Network Compression) (二) - 从各种不同的面来压缩神经网络 56:46
- P53ML2021 Hw13 作业讲解 33:52
- P5413-1. 机器终身学习 (Life Long Learning, LL) (一) - 为什么今天人工智慧无法成为天网?灾难性遗忘(Catastrop 32:00
- P5513-2. (Life Long Learning, LL) (二) - 灾难性遗忘(Catastrophic Forgetting)的克星 36:39
- P5614-1.元学习 Meta Learning (一) - 元学习与机器学习一样也是三个步骤 46:21
- P5714-2. 元学习 Meta Learning (二) - 万物皆可元学习 31:37
- P58课程总结 \- 最後的業配並改編《為學一首示子姪》作結 27:41