【PPT】臺大李宏毅《機器學習》2021課程完結!視頻、加上答疑書!

↑↑↑點擊上方藍字,回覆資料,10個G的驚喜

機器之心編輯部

李宏毅的機器學習課有超過 400 人現場聽課,只好把學生分在兩間教室:一間「搖滾區」現場看,一間「同步區」看直播。



今年 2 月末,「精靈寶可夢大師」李宏毅的《機器學習》最新一期課程正式開課。對於想要入門機器學習的同學來說,這是一門不容錯過的經典課程,視頻、PPT 等資料都可以在課程頁面找到,而且授課語言是中文。

該課程第一個視頻的播放量已經超過 6 萬次。

  • 課程主頁:https://speech.ee.ntu.edu.tw/~hylee/ml/2021-spring.html

  • 機器之心知識站入口:https://app6ca5octe2206.pc.xiaoe-tech.com/detail/p_6049e1c6e4b05a6195befd56/6


在內容方面,這門課程重點講解的是深度學習。雖然深度學習是一門相對進階的技術,但李宏毅老師表示,這不會改變這門課「機器學習入門課」的屬性,仍然會讓絕大多數人聽得懂,「你可以將它作爲你機器學習的第一門課」。如果你還學過林軒田的《機器學習基石與技法》,你會發現這兩門課其實可以很好地銜接。

「從最基本的觀念講到最前瞻的技術」是這門課最重要的一個特色,從課程目錄中我們也可以大致看出來:

  • 課程介紹

  • 深度學習

  • 自注意力

  • 機器學習理論

  • Transformer

  • 生成式模型

  • 自監督學習

  • 可解釋 AI / 對抗攻擊

  • 域自適應 / 強化學習

  • 量子機器學習

  • 終身壓縮

  • 元學習


前段時間,這門課程已經全部更新完畢,李宏毅老師也收穫了新一波的讚譽:




由此可見,今年的課程依然保持了極高的水準。而且從 PPT 來看,李老師的幽默指數也絲毫沒有打折:



除了李老師的授課內容外,他的助教在上課過程中也承擔了一些答疑工作,不過這些答疑內容之前並沒有公開。

剛剛,Reddit 上的一位網友表示,爲了方便大家更好地消化這門課的內容,他們將這些答疑彙編到了一起,組成了一本機器學習手冊供大家參閱:


  • 書籍地址:https://rentruewang.github.io/learning-machine/intro.html

  • GitHub 地址:https://github.com/rentruewang/learning-machine


爲什麼要編這麼一本小冊子?作者表示,目前互聯網上的機器學習資料多種多樣,不過它們要麼太長,開始獲取知識就要半個小時,要麼則需要充分的數學基礎,還有一些資料結構不太清晰,概念的區分並不嚴格。這本機器學習手冊旨在解決上述問題,最重要的是它力圖簡潔。


從形式來看,這是一本問答手冊,與著名 IT 技術問答網站 StackOverFlow 類似。手冊裏的問題來自參與上述課程的 1300 多名學生。作者相信這種形式能夠讓大家學習機器學習更加方便。

「它主要是爲那些想要快速掌握一個概念,而無需深入研究主題的學習者準備的(顯然,真想學透需要很長時間)。它將覆蓋機器學習,特別是深度學習領域的所有知識。」

不過,該手冊的答案受到了一些質疑,而且沒有類似「贊成」和「反對」的按鈕,因此讀者很難給出反饋。


對此,作者回應說,這些答案大部分來自助教,而且原來是中文的,因此翻譯過程中可能存在一些疏漏,之後會進一步完善。


正如作者所言,書中的一切都是以問答形式展開的,不過細節代碼一個都不會少:


從機器學習數據、模型損失函數幾大部分的概念,到神經網絡的各個層級,再到強化學習的獎勵機制,目前這本書所包括的內容已經相當完整。不過作者表示,未來還會有更多內容將不斷添加進來。



   
   
   

推薦閱讀

(點擊標題可跳轉閱讀)

神經網絡入門

統 計 學 無 用 了 ?

我的深度學習之路

【機器學習】Bagging思想!

6行代碼!用Python將PDF轉爲word

Tensorflow是系統派,Pytorch是算法派

老鐵,三連支持一下,好嗎?↓↓↓

本文分享自微信公衆號 - 機器學習算法與Python實戰(tjxj666)。
如有侵權,請聯繫 [email protected] 刪除。
本文參與“OSC源創計劃”,歡迎正在閱讀的你也加入,一起分享。

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章