机器学习


  1. Cross-validation
  2. 线性模型案例
  3. 线性模型
  4. 线性模型-回归
  5. 梯度下降
  6. 概率分类模型
  7. logistic 回归
  8. 集成方法
  9. 神经网络
  10. 决策树
  11. 支持向量机
  12. 特征选择
  13. 贝叶斯分类器
  14. 集成学习
  15. 聚类
  16. 降维与度量学习
  17. Machine learning in bioinformatics
  18. Machine Learning in Genomics: Dissecting Human Disease Circuitry
  19. 在模型选择与过度学习后性能评估选择的偏差
  20. Discriminative vs Generative

学习资料

李宏毅机器学习2017

  1.  P11-机器学习介绍 38:57
  2.  P22-为什么要学习机器学习 01:20
  3.  P33-回归 1:18:35
  4.  P44-回归-演示 06:53
  5.  P55-误差从哪来? 43:14
  6.  P66-梯度下降 1:01:52
  7.  P77-梯度下降(用AOE演示) 02:36
  8.  P88-梯度下降(用Minecraft演示) 01:41
  9.  P99-作业1-PM2.5预测 14:07
  10.  P1010-概率分类模型 1:09:41
  11.  P1111-logistic 回归 1:07:13
  12.  P1212-作业2-赢家还是输家 03:22
  13.  P1313-深度学习简介 46:30
  14.  P1414-反向传播 31:26
  15.  P1515-深度学习初试 29:51
  16.  P1616-Keras2.0 09:37
  17.  P1717-Keras演示 11:14
  18.  P1818-深度学习提示 1:26:03
  19.  P1919-Keras 演示2 15:21
  20.  P2020-TensorFlow中的Fizz Buzz面试 06:10
  21.  P2121-卷积神经网络 1:19:29
  22.  P2222-为什么要“深度”学习? 57:46
  23.  P2323-半监督学习 59:59
  24.  P2424-无监督学习-线性降维 1:40:20
  25.  P2525-无监督学习-词嵌入 40:39
  26.  P2626-无监督学习-领域嵌入 30:58
  27.  P2727-无监督学习-深度自编码器 42:04
  28.  P2828-无监督学习-深度生成模型I 29:34
  29.  P2929-无监督学习-深度生成模型II 1:03:31
  30.  P3030-迁移学习 1:14:28
  31.  P3131-支持向量机 1:05:27
  32.  P3232-结构化学习-介绍 19:33
  33.  P3333-结构化学习-线性模型 24:15
  34.  P3434-结构化学习-结构化支持向量机 2:11:44
  35.  P3535-结构化学习-序列标签 1:43:31
  36.  P3636-循环神经网络I 49:00
  37.  P3737-循环神经网络II 1:30:50
  38.  P3838-集成学习 1:39:59
  39.  P3939-深度强化学习-初步了解 1:06:22
  40.  P4040-机器学习的下一步 15:27

李宏毅机器学习2021

  1.  P1ML2021 0.课程相关说明 32:45
  2.  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
  3.  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
  4.  P4Google Colab Tutorial zh 09:24
  5.  P5ML2021 Hw1 slides 18:58
  6.  P6hw1 run demo 21:53
  7.  P7ML2021 Pytorch tutorial part 1 22:01
  8.  P82-1.机器学习任务攻略 51:24
  9.  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
  10.  P102-3.神经网络训练不起来怎么办(二)-批次 batch与动量momentum 30:59
  11.  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
  12.  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
  13.  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
  14.  P14\[ML2021\] HW2 Chinese Version 30:50
  15.  P153-1.卷积神经网络 (Convolutional Neural Networks, CNN) 55:40
  16.  P16ML2021 hw3 作业说明 24:55
  17.  P173-2.自注意力机制 (Self-attention) (上) 28:18
  18.  P183-3.自注意力机制 (Self-attention) (下) 45:57
  19.  P19ML2021 hw4 作业说明 25:22
  20.  P204-1.PAC-introduction 2:33:14
  21.  P215-1.Transformer (上) 32:47
  22.  P225-2.Transformer (下) 1:00:33
  23.  P23ML2021 hw5 作業讲解 + Judgeboi讲解 50:17
  24.  P246-1.生成式对抗网络 (Generative Adversarial Network, GAN) (一) – 基本概念介紹 39:08
  25.  P256-2.生成式对抗网络GAN (二) – 理论介绍篇WGAN 46:39
  26.  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
  27.  P276-4.生成式对抗网络GAN (四) – 理论介绍篇WGAN – Cycle GAN 23:40
  28.  P28ML2021 hw6 作业讲解 29:04
  29.  P297-1.自监督式学习(Self-supervised Learning) (一) – 芝麻街与进阶的巨人 07:09
  30.  P307-2.自监督式学习(Self-supervised Learning) (二) – BERT简介 50:40
  31.  P317-3.自监督式学习(Self-supervised Learning) (三) – BERT的奇闻轶事 24:13
  32.  P327-4.自监督式学习(Self-supervised Learning) (四)– GPT的野望 17:04
  33.  P33ML2021 hw7 作业讲解 21:07
  34.  P347-5.自編码器(Auto-encoder) (上) – 基本概念 19:01
  35.  P357-6.自编码器 (Auto-encoder) (下) 30:35
  36.  P36ML2021 hw8 作业讲解 25:44
  37.  P378-1.來自人类恶意攻击(Adversarial Attack) (上) – 基本概念 29:49
  38.  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
  39.  P39ML2021 Hw10 作业讲解 36:50
  40.  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
  41.  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
  42.  P42ML2021 Hw9 作业讲解 42:21
  43.  P4310-1. 概述领域自学习 (Domain Adaptation) 34:33
  44.  P44ML2021 Hw11 Domain Adaptation 作业讲解 51:55
  45.  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
  46.  P4611-2. 概述增强式学习 (Reinforcement Learning, RL) (二) – Policy Gradient 兴修课心情 41:15
  47.  P4711-3. 概述增强式学习 (Reinforcement Learning, RL) (三) - Actor-Critic 34:41
  48.  P4811-4. 概述增强式学习 (Reinforcement Learning, RL) (四) - 回馈非常罕见怎么办 17:35
  49.  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
  50.  P50ML2021 Hw12 作业讲解 21:59
  51.  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
  52.  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
  53.  P53ML2021 Hw13 作业讲解 33:52
  54.  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
  55.  P5513-2. (Life Long Learning, LL) (二) - 灾难性遗忘(Catastrophic Forgetting)的克星 36:39
  56.  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
  57.  P5714-2. 元学习 Meta Learning (二) - 万物皆可元学习 31:37
  58.  P58课程总结 \- 最後的業配並改編《為學一首示子姪》作結 27:41