Skip to content

dafish-ai/NTU-Machine-learning

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

大鱼AI🐟 :李宏毅机器学习(台湾大学)

课程资料

  1. 课程主页
  2. 课程笔记
  3. 课件百度云下载
  4. 课程视频
  5. 环境配置Anaconda
  6. Jupyter NoteBook配置
  7. Anaconda加速下载镜像
  8. 作业
  9. 比赛环境推荐使用Linux或者Mac系统,以下环境搭建方法皆适用:
    Docker环境配置
    本地环境配置

重要一些的资源:

  1. Dr.Wu 博客71篇(机器学习、深度学习、强化学习、对抗网络)
  2. Dr.Wu 本人知乎
  3. 深度学习经典论文
  4. 深度学习斯坦福教程
  5. 廖雪峰python3教程
  6. github教程
  7. 莫烦机器学习教程
  8. 深度学习经典论文
  9. 机器学习代码修行100天
  10. 吴恩达机器学习新书:machine learning yearning
  11. 自上而下的学习路线: 软件工程师的机器学习

1. 前言

enter image description hereÂ

中文世界中最好的机器学习课程!

李宏毅老师的机器学习和深度学习系列课程,是中文世界中最好!课程中有深入浅出的讲解和幽默生动的比喻(还有口袋妖怪哦)。关键一切都是中文的!(除了

^_^)

本课程李宏毅老师的机器学习核心内容带学,作业讲解。主要包括:

(一)监督学习(回归、分类、BP反向传播、梯度下降)

(二)无监督学习(AutoEncoder、Neighbor Embedding、Deep Generative Model)

(三)迁移学习 (Transfer learning)

(四)结构化学习(Structure learning)

本课程每课都有课件,每周都有配套作业代码,十分推荐推荐学习。

2.数学知识复习

1.线性代数
2.概率论
3.凸函数优化
4.随机梯度下降算法

中文资料:

3.编程工具

大鱼谷歌python训练营:

斯坦福资料:

4. 中文书籍推荐:

  • 《机器学习》周志华

  • 《统计学习方法》李航

  • 《机器学习课》邹博

5. 学习安排

本课程需要8周共15节课, 每周具体时间划分为4个部分:

  • 1部分安排周一到周二
  • 2部分安排在周四到周五
  • 3部分安排在周日
  • 4部分作业是本周任何时候空余时间
  • 周日晚上提交作业运行截图
  • 周三、周六休息^_^

6.作业提交指南:

7.学习安排

一、整体学习路线
enter image description here
二、整体学习分解脑图 三、具体学习计划

week 1

学习准备
知识点复习
学习组队

第1节: 引言(Introduction)
课件:lecture1
笔记:lecture1-note1
视频:
1.1 欢迎:Welcome to Machine Learning
1.2 为什么要学习机器学习?:Why learning ?
作业 Week1: 制定自己的学习计划,开通自己的学习博客,注册自己的github:如操作手册


week 2

第2节: 回归问题
课件:lecture2
笔记:lecture2-note2
视频:
2.1 回归:Regression
2.2 回归 Demo:Demo

第3节: 错误分析
课件:lecture3
笔记:lecture3-note3
视频:
2.3 错误从哪里来Error Handle

作业 Week2::
纯python实现CEO的的利润预测


week 3

第4节: 梯度下降(Gradient Descent )
课件:lecture4
笔记:lecture4-note4
视频:
3.1梯度下降:Gradient Descent
3.2梯度下降Demo1:Gradient Descent Demo1
3.3梯度下降Demo2:Gradient Descent Demo2

作业 Week3::
PM2.5回归预测


Week 4

第5节:分类:概率生成模型(Classification:Probabilistic Generative Model)
课件:lecture5
笔记:lecture5-note5
视频:
4.1分类:概率生成模型:Classification:Probabilistic Generative Model

第6节:分类:逻辑回归(Logistic Regression)
课件:lecture6
笔记:lecture6-note6
视频:
4.2分类:逻辑回归:Logistic Regression

作业 Week4::

收入预测Winner or Loser


Week 5

第7节:深度学习简介(Introduction to Deep learning)
课件:lecture7
笔记:lecture7-note7
视频:
5.1 深度度学习简介:Introduction to Deep learning
5.2 反向传播算法:Back Prppagation

第8节:“Hello world” of Deep learning
课件:lecture8
笔记:lecture8-note8
视频:
5.1 DeepLearning Demo
5.2 Keras Demo:Demo
5.2 Keras Demo1:Demo1

第9节:深度学习技巧 Deep learning tips
课件:lecture9
笔记:lecture8-note9
视频:
5.3 DeepLearning tips
5.4 Keras Demo2:Demo2

作业 Week5::
深度神经网络Keras实现手写数字识别


Week 6

第10节:卷积神经网络(CNN)
课件:lecture10
笔记:lecture10-note10
视频:
6.1 卷积神经网络:CNN

第11节:为什么要深度学习(Why Deep)
课件:lecture11
笔记:lecture11-note11
视频:
6.2 为什么要深度学习:Why Deep

作业 Week6::
卷积神经网络CNN实现手写数字识别


Week 7

第12节:循环神经网络(RNN)
课件:lecture12
笔记:lecture12-note12
视频:
7.1 循环神经网络:RNN

第13节:循环神经网络(LSTM、GRU)
课件:lecture13
笔记:lecture13-note13
视频:
7.2 循环神经网络:LSTM,GRU

作业 Week7:: Twitter文本情绪分类Text Sentiment


Week 8

第14节:迁移学习 课件:lecture14
笔记:lecture14-note14
视频:
8.1 迁移学习:Transfer learning

第15节:强化学习(Reinforcement learning)

课件:lecture15
笔记:lecture15-note15
视频:
8.2 强化学习:Reinforcement learning


课程大作业:Kaggle 泰坦尼克号

enter image description here

联系我们:

官网:点击进入
官方公众号: