全球名校AI课程库(43)| 李宏毅 · 机器学习(&深度学习)课程『Machine Learning』

李宏毅【生成式AI导论 2024】第1讲:生成式AI是什么? 人工智慧可以说是一个目标,是一个我们想要达到的目标。它不是一个单一的技术,并没有哪一个技术叫做人工智慧,人工智慧是一个目标。 阅读详情
Machine Learning; 机器学习(&深度学习); 李宏毅

🏆 课程学习中心 | 🚧 CV课程合辑 | 🌍 课程主页 | 📺 中英字幕视频 | 🚀 项目代码解析


课程介绍

Machine Learning是台大李宏毅老师讲授的机器学习课程,是国语授课中最受欢迎的AI课程之一,课程内容具备很好的前沿度,覆盖了机器学习与深度学习基础知识与研究界关心的新方向进展(损失函数、优化、神经网络、自注意力、transformer、GAN、领域自适应、强化学习、元学习)。

Machine Learning; 机器学习(&深度学习); 李宏毅

李宏毅老师的课程通常辅以活泼贴近生活的案例来讲解,对大家理解和学习相关知识有很好的帮助。


课程主题

课程官网发布了课程主题,ShowMeAI 对其进行了翻译。

  • When gradient is small(局部最小值与鞍点)
  • Error surface is rugged(自动调整学习速率)
  • Classification (Short Version)(损失函数)
  • PreTEST
  • Convolutional Neural Network (CNN)(卷积神经网络)
  • Self-attention(自注意力机制)
  • Batch Normalization(批标准化)
  • Transformer
  • Generation(生成式对抗网络)
  • Self-supervised Learning(自督导式学习)
  • Auto-encoder(自编码器)
  • Adversarial Attack(对抗攻击)
  • Exable Machine Learning(机器学习模型的可解释性)
  • Domain Adaptation(领域自适应)
  • Deep Reinforcement Learning (RL)(强化学习)
  • Quantum Machine Learning(量子机器学习)
  • Life Long Learning(机器终身学习)
  • Network Compression(神经网络压缩)
  • Meta Learning(元学习)

课程资料 | 下载

Machine Learning; 机器学习(&深度学习); 李宏毅

扫描上方图片二维码,关注公众号并回复关键字 🎯『HYLEE』,就可以获取整理完整的资料合辑啦!当然也可以点击 🎯 这里 查看更多课程的资料获取方式!

Machine Learning; 机器学习(&深度学习); 李宏毅

ShowMeAI 对课程资料进行了梳理,整理成这份完备且清晰的资料包:

  • 📚 课件。PDF文件。覆盖Lecture 1~22全部章节。
  • 📚 作业&答案。PDF和.ipynb文件。覆盖Homework 1~10全部内容。

课程视频 | B站

【国语+资料下载】李宏毅 HYLEE | 机器学习(深度学习)(2021最新·完整版)

🌍 B站 | 【国语+资料下载】李宏毅 HYLEE | 机器学习(深度学习)(2021最新·完整版)

ShowMeAI 将视频上传至B站,并增加了中英双语字幕,以提供更加友好的学习体验。点击页面视频,可以进行预览。推荐前往 👆 B站 观看完整课程视频哦!


全球名校AI课程合辑

作者:ShowMeAI内容团队
阅读原文:https://www.showmeai.tech/article-detail/350

李宏毅机器学习(2021)学习笔记 02 李宏毅《机器学习2021》学习笔记02 阅读详情

相关推荐

【研0深度学习】李宏毅2024春《生成式人工智能导论》持续更新...

生成式人工智慧的目的不是进行做有结果的分类,而是使机器生成复杂有结构的物件。今天的生成式人工智慧多以深度学习构成。以现如今流通最广泛的ChatGPT为例,GPT可以看作一个函数,输入图片、语音或者文字等,“创造性”地输出结果。这里的“创造性”的实现是将问题拆解成一连串的文字进行接龙,转化为分类问题。对于每个结果都有概率,在这个概率的基础上掷骰子,进行输出。如下图所示有百分之五十的概率输出“学”字。那么问题来了,如果每次输出概率最大的不行吗?

m0_52427832的博客 1960

台湾大学李宏毅机器学习课程

李宏毅((Hung-yi Lee)目前任台湾大学电机工程学系和电机资讯学院的助理教授,他曾于2012年获得台湾大学博士学位,并于2013年赴麻省理工学院(MIT)计算机科学和人工智能实验室做访问学者。他的研究方向主要是语义理解、语音识别、机器学习和深度学习)老师的机器学习课程以机器学习和深度学习的基础知识为主,包含了AI领域的各种最新知识和技术点。课程深入简出,通俗易懂,颇受欢迎,非常适合对AI感兴趣的学习者。本课程已经获得李宏毅老师授权。

【机器学习】李宏毅 - 03 神经网络优化

神经网络训练优化 - critical point 局部最小值;local minima;鞍点;saddle point;海塞矩阵;Hessian matrix;批次;Small Batch vs Large Batch;动量;梯度下降

wyw970624的博客 1034

【学习笔记】李宏毅-机器学习MachineLearning

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。

usernameisnotexist的博客 2313

李宏毅2025《机器学习》第一讲-生成式AI:技术突破和未来发展

本文基于台湾大学李宏毅教授的“一堂课搞懂生成式人工智慧的技术突破与未来发展”课程内容,系统性地梳理了生成式AI的核心概念、技术原理、发展演进以及未来趋势。文章从AI的“行为”入手,通过生动的实例展示了其强大的生成与推理能力;进而深入剖析其底层运作机制,阐释了“万物皆为令牌(Token)”、自回归生成、Transformer架构等核心原理;接着,文章追溯了通用AI模型从“专才”到“通才”的演进历程;最后,探讨了如何通过微调(Fine-tuning)、模型编辑(Model Editing)等技术赋予AI新的能力

木鱼时刻的专栏 2295

基于MATLAB实现的克里金插值的代码

参考代码 克里金插值matlab代码 youwenfan.com/contentcsb/81657.html。

jghhh01的博客 484

李宏毅学习笔记——2024春《GENERATIVE AI》篇(已完结)

李宏毅学习笔记——2024春《GENERATIVE AI》篇

a131529的博客 1万+

VTK的编译和部署,配合c++和visual studio2022,VTK开发环境的配置

在官网选择最新的版本下载之后进行解压,然后再里面创建build目录,方便后面使用cmake进行编译。

dz131lsq的博客 3223

李宏毅老师机器学习第一部分:知识介绍

本章内容主要包括李宏毅老师机器学习知识的第一部分:机器学习的介绍以及为什么要学习机器学习,其中价绍了机器学习中常用的一些模型。

weixin_52836217的博客 1289

【科研学习】Demo3D2015安装包以及图文安装步骤

安装包 点击下图的.exe文件,安装 不需要解压,打开注册机 如下图: 点击上图的.exe文件,出现下图 先点击 patch 打开安装目录下的Demo3D.licensing.dll文件,然后点击Generate,生成dvt-license文件,保存即可 打开安装完成的Demo3D 2015(64-bit),一般破解没完成的,会出现一个request a license 的问题,点击find license 的那一行 点击后找到自己Generate,生成dvt

KaelCui的博客 1万+

Gazebo仿真环境下的强化学习实现

实际上利用Gazebo进行强化学习无非是环境获取上的不同,Gazebo的环境控制需要使用ROS服务进行控制,状态可以通过Gazebo进行获取,同时某些必要数据需要从话题中获取,最重要的是组织获取 的数据(通过话题等)与控制Gazebo的仿真步骤之间的组合。强化学习的手段与传统算法无异,强化学习方法最重要的是要确定动作空间、状态空间、奖励空间,这三个空间是work的前提。在笔者自己的环境中,将获取里程计的话题以及获取激光点的数据替换成为了自己的本机的仿真环境匹配的话题。

Moresweet 猫甜 6451

我悟了!AI没抢工作但把我变不值钱了啊!深度长文·不Open的AI与人类的穷途末路;宝藏教学提示词库;李宏毅新课《生成式人工智能导论》| ShowMeAI日报

🧩。

weixin_42907150的博客 1967

高通Camx功能feature分析之二:remosaic流程

本文介绍了Remosaic技术及其在图像处理中的应用。Remosaic是将4cell1像素排布还原为普通Bayer结构的过程,分为硬件和软件两种实现方式。文章详细解析了Remosaic流程,包括配流情况、Feature选择、初始化过程,以及触发拍照的完整流程。重点分析了从普通预览切换到全尺寸拍照的关键步骤:激活全尺寸RDI会话、生成请求、等待就绪、唤醒离线线程和重启预览。通过代码层面的分析,揭示了Remosaic技术如何实现高分辨率图像还原,同时说明了该过程中可能出现的预览定屏现象及其原因。

1880

【人工智能合集-机器学习(李宏毅)】

学习记录:2023年11月15日李宏毅的机器学习教程||百度Aistdio学习平台;目前我们只讲到回归和分类的问题,但是事实上还有Structured Learning,这是一个很大的板块需要我们去探索,Gan作为一个代表;

wnagchenyu的博客 311

simulink的电动汽车制动系统热管理仿真

本文系统研究了电动汽车制动系统热管理仿真技术。通过建立机电液多物理场耦合模型,分析了不同工况下的动态热平衡特性。提出基于MPC的动态调节和NSGA-II多目标优化算法,使电池温度波动降低60%。创新性采用石墨烯相变材料与微通道液冷复合技术,冷却系统能耗减少40%。研究构建了完整的工程验证平台,涵盖200kW电制动测试台和高精度热成像系统。展望指出,未来将结合Transformer预测和强化学习算法,进一步优化热管理策略。该研究为电动汽车制动系统热管理提供了从理论建模到工程实施的完整解决方案。

xiaoheshang_123的博客 122

解决Jupyter Notebook中Plotly图表显示问题

摘要:在Jupyter Notebook中使用Plotly绘图时遇到图表无法显示的问题。通过分析发现Python 3.12版本与Jupyter存在兼容性问题。解决方案是将Python降级到3.11版本,重新创建虚拟环境后图表正常显示。这表明版本兼容性对数据可视化工具至关重要,环境配置检查是解决问题的关键步骤。该案例为遇到类似问题的开发者提供了参考方案。

m0_74337424的博客 125

李宏毅机器学习2023:大语言模型——人类对它的两种期待

人们对于大型语言模型的期望可以分为两种:成为专家和成为通才。Finetune和Prompt是实现这两种期望的常用技术,而Adapter技术则是一种更加高效的方式——加外挂,可以帮助大型语言模型用更低的成本,更好地适应不同的任务,成为真正的通才

fantastick99的博客 817

【CAN总线测试】——使用VH6501 进行Busoff快慢恢复测试

即在IDBase中填标准帧11位二进制ID,如果不满11位,高位补零,凑齐11位,并将下方CurrTriggerField设置干扰前一位AckSlot位,Triggeroffset设置为0。首先确认环境支持VN6501,6501硬件连接成功后,工程的小闪电是正常黄色状态,若是灰色证明缺少License,或者软件安装环境不正确。填写干扰报文ID、干扰位置 注意这里的干扰位置是实际干扰的前一位,TriggerOffset表示偏移量,可以干扰某个字节的具体位.找到并打开Panel后,开启工程,并且配置面板。

LOVE135149的博客 5634

台大李宏毅Machine Learning学习笔记(七)——深度学习(Deep Learning)简介

深度学习发展历程 图1 深度学习发展历程 图2 深度学习的步骤  深度学习的三个步骤和前面机器学习几乎一样,讲起来比较简单,就像把大象放进冰箱的三个步骤一样:第一步打开门;第二步把大象放进去;第三步关门。但是做起来会遇到各种各样的问题。   第一步里面的函数其实就是神经网络,在上一讲的最后说过,神经网络其实就是逻辑回归单元的级联, 图3 神经网络  神经元之间连接方式需要人工拟定,最常见的方式...

既往不恋未来不迎 555

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

【第一周】李宏毅机器学习笔记01

本周学习了机器学习的基本概念,包括机器学习的函数输入输出类型以及函数的分类,分别了解了简单模型和复杂模型的训练三步骤。认识了神经网络的的结构,了解了深度学习的训练三步骤,学习并手动推导了反向传播法,进一步理解了反向传播的思想以及反向传播中涉及的计算思路。

qq_30043925的博客 3046

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

李宏毅2024新课来了!

2024年《机器学习》课程停止开设,可能2025年再继续。而今年计划开设《生成式人工智能导论》和《生成式人工智能技术》(暂定)2023年是人工智能技术与应用变革的一年,随着技术的推进,学校应该要有不一样的课程。过去,我每年都会修改原有的《机器学习》课程,使其可以日新月异,与前瞻的技术接轨,但2023年的变革之大,我想干脆开一门新的课目前《生成式人工智能导论》已经开始更新B站也将保持视频的同步更新(李老师支持其公开课的传播)==>点我观看课程。

啥都生的博客 1608

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

2023春季李宏毅机器学习笔记 02 :机器学习基本概念

课程主页:https://speech.ee.ntu.edu.tw/~hylee/ml/2023-spring.php Github:https://github.com/Fafa-DL/Lhy_Machine_Learning B站课程:https://space.bilibili.com/253734135/channel/collectiondetail?sid=2014800

女王の专属领地 1657

太牛了!AI大佬的课程!吴恩达、李飞飞、李宏毅、Hinton、LeCun...

本文精心梳理了AI顶级大佬教授的人工智能课程,涵盖了深度学习、机器学习等多个领域的前沿内容。这些课程将引领您深入了解决策树、朴素贝叶斯、逻辑回归、神经网络和深度学习等核心知识点,同时还将探索贝叶斯学习、支持向量机和核方法、聚类、无监督学习等多元化的机器学习领域。此外,还有学习提升算法、强化学习以及学习理论等高级课程,为人工智能领域的深入研究和应用打下坚实基础。吴恩达(Andrew Ng)的教学视频是深度学习领域备受推崇的学习资源之一。

2401_85343303的博客 2424

【李宏毅-2024】第三-五讲 训练不了人工智能?那我训练自己

提示工程(Prompt Engineering)是一门较新的学科,关注提示词开发和优化,帮助用户将大语言模型(Large Language Model, LLM)用于各场景和研究领域。掌握了提示工程相关技能将有助于用户更好地了解大型语言模型的能力和局限性。

Herbert 940

李宏毅2024生成式人工智能导论 中文镜像版指导与作业

这里是李宏毅老师2024年生成式人工智能导论的大陆镜像版的索引文章,你可以在不翻墙的情况下完成课程的所有作业。 制作与分享已经获得李宏毅老师的授权,非常感谢老师!

Hoper-J的博客 3244

卷积神经网络(CNN) 实现手写数字识别

原文链接:https://blog.youkuaiyun.com/polyhedronx/article/details/94476824 一、引言 前一篇博文使用单隐层的全连接神经网络,并结合一些神经网络的优化策略,如指数衰减学习率、正则化、Relu激活函数和Adam优化算法等,用包含100个隐层神经元的神经网络实现了MNIST数据集上手写数字识别98%的准确率。但是全连接神经网络也是有局限的,即使使用很深的网络、很多的隐层结点、很大的迭代轮数,也很难在MNIST数据集上得到99%以上的准确率。不过,卷积神经网络的出

Query的博客 8628
上一篇: 全球名校AI课程库(42)| Michigan密歇根 · 深度学习与计算机视觉(CS231n进阶课)『Deep Learning for Computer Vision』
下一篇: 走两步!AI通过步态诊断帕金森;从入门到如土·AI绘画中文指南;超好用的视频补帧软件;YOLO7人脸检测实现;前沿论文 | ShowMeAI资讯日报
ShowMeAI
博客等级 码龄5年 6514粉丝 672原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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

打赏作者

ShowMeAI

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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