展开
机器学习 思维导图
  1. 首页
  2. AI
  3. 机器学习

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