[Machine Learning] 机器学习路线-李宏毅

最新推荐文章于 2024-08-12 11:53:14 发布
转载 最新推荐文章于 2024-08-12 11:53:14 发布 · 923 阅读 · 1

本文涵盖机器学习的基础到高级概念，包括回归分析、梯度下降、深度学习、支持向量机等关键技术，并探讨了半监督学习、无监督学习及结构化预测等内容。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

 

 

TOPICCONTENTSBLOGPDFVIDEO
【1】Learning Map（学习导图）blogpdfvideo
【2】Regression：Case Study ；回归：案例研究blogpdfvideo
【3】Gradient Descent ；梯度下降blogpdfvideo
【4】Where does the error come from? ；误差分析blogpdfvideo
【5】Classification: Probabilistic Generative Model；分类：概率生成模型blogpdfvideo
【6】Classification: Logistic Regression；Logistic回归blogpdfvideo
【7】Brief Introduction of Deep Learning；深度学习简介blogpdfvideo
【8】Backpropagation；反向传播算法blogpdfvideo
【9】“Hello world” of deep learning；初探深度学习blogpdfvideo
【10】Tips for Deep Learning；深度学习小贴士blogpdfvideo
【11】Convolutional Neural Network；卷积神经网络blogpdfvideo
【12】Why Deep Learning? ; 为什么是深度学习？blogpdfvideo
【13】Semi-supervised Learning ;半监督学习blogpdfvideo
【14】Unsupervised Learning: Linear Dimension Reduction；线性降维blogpdfvideo
【15】Unsupervised Learning: Word Embedding；无监督学习：词嵌入blogpdfvideo
【16】Unsupervised Learning: Neighbor Embedding；无监督学习：邻域嵌套这里写图片描述blogpdfvideo
【17】Unsupervised Learning: Deep Auto-encoder；无监督学习：深度自动编码器这里写图片描述blogpdfvideo
【18】Deep Generative Model-part 1：深度生成模型-part 1这里写图片描述blogpdfvideo
【19】Deep Generative Model-part 2：深度生成模型-part 2这里写图片描述blogpdfvideo
【20】Deep Generative Model-part 3：深度生成模型-part 3这里写图片描述blogpdfvideo
【21】Transfer Learning part 1 ; 迁移学习 part 1这里写图片描述blogpdfvideo
【22】Transfer Learning part 2；迁移学习 part 2这里写图片描述blogpdfvideo
【23】Support Vector Machine；支持向量机这里写图片描述blogpdfvideo
【24】introduction of Structured Learning;结构化学习介绍这里写图片描述blogpdfvideo
【25】Structured Linear Model；结构化预测-线性模型这里写图片描述blogpdfvideo
【26】Structured Support Vector Machine part 1;结构化支持向量机part 1这里写图片描述blogpdfvideo
【27】Structured SVM part 2；结构化支持向量机 part 2这里写图片描述blogpdfvideo
【28】Structured SVM part 3 ;结构化支持向量机 part 3这里写图片描述blogpdfvideo
【29】Sequence Labeling Problem part 1;结构化预测-序列标记 part 1这里写图片描述blogpdfvideo
【30】Sequence Labeling Problem part 2 ;结构化预测-序列标记 part 2这里写图片描述blogpdfvideo
【31】Sequence Labeling Problem part 3 ;结构化预测-序列标记 part 3这里写图片描述blogpdfvideo
【32】Recurrent Neural Network part 1;循环神经网络 part 1这里写图片描述blogpdfvideo
【33】Recurrent Neural Network part 2;循环神经网络 part 2这里写图片描述blogpdfvideo
【34】Recurrent Neural Network part 3;循环神经网络 part 3这里写图片描述blogpdfvideo
【35】Ensemble；集成方法这里写图片描述blogpdfvideo
【36】Ensemble part 2；集成方法 part 2这里写图片描述blogpdfvideo
【37】Deep Reinforcement Learning;深度增强学习入门这里写图片描述blogpdfvideo
【38】李宏毅机器学习课程回顾 + 接下来的学习声明这里写图片描述blog  
【39】李宏毅机器学习课程从这里开始本文blog  

相关链接： 
课程主页：http://speech.ee.ntu.edu.tw/~tlkagk/courses_ML16.html 

PPT打包下载：http://speech.ee.ntu.edu.tw/~tlkagk/courses/ML_2016/all.rar

 

原文连接  http://blog.youkuaiyun.com/soulmeetliang/article/details/77461607

一文读懂AutoML：原理、应用与挑战
2501_90323865的博客
05-30 67
AutoML，全称Automated Machine Learning，是将机器学习应用于实际问题的端到端过程自动化。通常，开发和部署机器学习模型需要投入大量时间和精力。机器学习工程需要为合适的业务任务匹配恰当的模型，对其进行训练、微调参数等。经典机器学习模型（如决策树、随机森林、支持向量机）的AutoML与神经网络（深度学习模型）的AutoML在方法、成本和用例方面存在显著差异。经典机器学习模型通常复杂度较低，需要调整的参数较少；
李宏毅机器学习-explainable machine learning（机器学习的可解释性）及代码
iwill323的博客
10-30 1076
explainable machine learning（机器学习的可解释性） Local Explanation Global Explanation
[机器学习入门] 经典台大李宏毅机器学习课程从这里开始
热门推荐
Holeung blog
08-21 8万+
TOPIC CONTENTS BLOG PDF VIDEO 【1】Learning Map（学习导图） blog pdf video 【2】Regression：Case Study ；回归：案例研究 blog pdf video 【3】Gradient Descent ；梯度下降 blog pdf video 【4
李宏毅机器学习 Machine_Learning_2019_Task2
weixin_36466478的博客
05-22 287
学习任务： 目录： 一、理解偏差和方差 二、学习误差为什么是偏差和方差而产生的，并且推导数学公式 三、过拟合，欠拟合，分别对应bias和variance什么情况 四、学习鞍点，复习上次任务学习的全局最优和局部最优 五、学习Mini-Batch与SGD 六、写出SGD和Mini-Batch的代码 七、学习回归模型评价指标 一、理解偏差和方差 概括： 算法的预测误差, 或者说泛化误差(general...
李宏毅机器学习——学习笔记（12） Un-supervised Learning-Linear methods
m0_37757740的博客
04-03 506
Un-supervised Learning 分为两类： （1）聚类 & 降维（化繁为简）：将多个输入抽象成一种类型 （2）Generation（无中生有）：输入一个code，得到一个样本 聚类中最常用的方法有： （1）k-means：a.随机初始化k个类的中心点；b.每个样本以最靠近的中心点的所属类为类标签；c.根据新得到的分类更新中心点；d.重复步骤b、c，直到模型收敛。 （2）Hi...
台湾大学李宏毅机器学习教程
weixin_30294021的博客
07-13 775
台湾大学李宏毅机器学习教程 http://speech.ee.ntu.edu.tw/~tlkagk/courses_MLDS17.html 转载于:https://www.cnblogs.com/jiangkejie/p/11179874.html
机器学习2020台大李宏毅课程网站、视频以及PPT连接
zhengyangwill的博客
05-03 1891
课程内容：请访问李宏毅老师个人网站中的achine Learning (2020,Spring)连接：http://speech.ee.ntu.edu.tw/~tlkagk/courses_ML20.html 视频教学：请访问B站视频：https://www.bilibili.com/video/BV1eE411T7BS?from=search&seid=1457798134204699...
李宏毅机器学习-
m0_49376775的博客
06-13 3347
李宏毅机器学习-1-机器学习介绍
machine-learning-2021-spring李宏毅
最新发布
04-18
machine-learning-2021-spring李宏毅
ML2021-Spring:李宏毅（Hung-Yi Lee）机器学习Machine Learning 2021 Spring
03-06
国立台湾大学机器学习Machine Learning 2021 Spring （每周更新！每周更新！） 该存储库包含李宏毅（Hung-Yi Lee）指导的15项机器学习家庭作业的代码和幻灯片。 有关该课程的所有信息都可以在上找到。 讲座视频 ...
台湾大学李宏毅老师机器学习课程Machine Learning (2020,Spring)
11-05
李宏毅老师今年的机器学习课程的全部PPT
李宏毅 机器学习 PPT
11-12
李宏毅 机器学习 PPT 李宏毅 机器学习 PPT
台大李宏毅机器学习课件
11-09
台大李宏毅老师机器学习课程课件，全部ppt，官网下载整理
李宏毅机器学习全套资料
08-31
《李宏毅机器学习全套资料》是一份全面深入的机器学习教育资源，主要涵盖了教学演示文稿、作业解决方案以及详尽的课程内容。这份资源对于想要深入理解和掌握机器学习这一领域的学习者来说，无疑是一份宝贵的参考资料...
李宏毅 机器学习
qq_61833632的博客
08-12 974
李宏毅机器学习，学习笔记记录——P3深度学习简介、反向传播
李宏毅机器学习（1）
Baigker的博客
06-08 238
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar
李宏毅机器学习（一）
Cjv的博客
05-13 2651
一、机器学习三步骤： Step1: Define a set of function Model：定义一些函数f1f2...f_1 f_2...f1​f2​... Step2: Goodness of function 使用训练数据，根据输入输出判断函数的好坏。 Step3: Pick the best function 通过Testing挑选出最好的函数。 二、Learning Map： sce...
【学习笔记】李宏毅-机器学习MachineLearning
usernameisnotexist的博客
10-07 2176
参数，表示蓝色function的个数。i 越大说明红色curve转折点越多，越逼近真实曲线。将上图的蓝框式子用图展开表示：其中r为x的线性组合，激活函数输入前的形式。r 的三个长表达式可以用矩阵简化成一个式子：图底部的颜色小方块。注意形状代表矩阵格式。所以虚线框和红框内容等价。都是为了计算 r = b+wx计算出r1，r2，r3后，分别通过sigmoid function，得到a1，a2，a3。直接用 a =σ（r）表示。
李宏毅《机器学习》笔记精要在线阅读指南
资源的标签包括“machine-learning”、“leeml-notes”和“Machinelearning”，表明这些笔记内容与机器学习领域密切相关，并且通过标签“leeml-notes”直接指向了这些学习资料，方便用户通过标签搜索到相关资源。...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值