純乾貨14 2017年-李巨集毅-最新深度學習/機器學習中文視訊教程分享_後篇
前一期給大家分享了李巨集毅老師17年深度學習課程的前半部分,今天繼續與大家分享李老師的在2017年初陸續發放出來的關於深度學習/機器學習的視訊課程後半部分。
整套視訊的目錄:
整套教程的視訊及配套PPT下載地址:
密碼: 微信公眾號回覆“ma2”
往期精彩內容推薦:
更多深度學習在NLP方面應用的經典論文、實踐經驗和最新訊息,歡迎關注微信公眾號“深度學習與NLP”或“DeepLearning_NLP”或掃描二維碼新增關注。
相關推薦
純乾貨14 2017年-李巨集毅-最新深度學習/機器學習中文視訊教程分享_後篇
前一期給大家分享了李巨集毅老師17年深度學習課程的前半部分,今天繼續與大家分享李老師的在2017年初陸續發放出來的關於深度學習/機器學習的視訊課程後半部分。 整套視訊的目錄: 整套教程的視訊及配套PPT下載地址: 密碼: 微信公眾號回覆“ma2” 往期精
國立臺灣大學-李巨集毅-2017年(秋)最新深度學習與機器學習應用及其深入和結構化研究課程分享
課程持續更新中,文末附分享目前已經release出來的視訊和ppt下載鏈接。 課程描述: 講解深度學習的基本理論,介紹深度學習各種實際應用。 期望和目標: 希望學習本門課程的學生學會: (1)、深度學習工作原理。 (2)、深度學習常用架構工作原理。
李巨集毅《機器學習(2017版)》課程筆記及心得 第1篇——Introduction of ML
1.首先,機器學習是什麼?機器學習,就是“根據所給資料,尋找一個函式,給出適當輸出”。通過這個函式,我們可以給它一個輸入,得到理想的、正確的輸出。我們通常需要給它資料,訓練一個機器的學習能力。例如:Speech Recognition就是我們給它一段音訊,它給我們識別,輸出這
[機器學習入門] 李巨集毅機器學習筆記-14 (Unsupervised Learning: Linear Dimension Reduction;無監督學習:線性降維)
[機器學習入門] 李巨集毅機器學習筆記-14 (Unsupervised Learning: Linear Dimension Reduction;線性降維) PDF VI
16、【李巨集毅機器學習(2017)】Unsupervised Learning: Deep Auto-encoder(無監督學習:深度自動編碼器)
本篇部落格將介紹無監督學習演算法中的 Deep Auto-encoder。 目錄 Deep Auto-encoder 輸入28*28維度的影象畫素,由NN encoder輸出code,code的維度往往小於784,但我們並不知道code的
Machine Learning 李巨集毅 HW0字數統計和圖片淡化
words.txt和圖片下載地址:words.txt和圖片 題目1 出現字數統計。 1.讀取words.txt中的所有英文單詞,單詞由分隔。 2.按照單詞出現的次數,給予編號(0,1,2)。 3.統計單詞出現的次數。 4.得到次數和編碼輸出至Q1.txt,每一行都為:
【ML】 李巨集毅機器學習筆記
我的github連結 - 課程相關程式碼: https://github.com/YidaoXianren/Machine-Learning-course-note 0. Introduction Machine Learning: define a set of function
李巨集毅機器學習 P14 Backpropagation 筆記
chain rule:求導的鏈式法則。 接著上一節,我們想要minimize這個loss的值,我們需要計算梯度來更新w和b。 以一個neuron舉例: 這個偏微分的結果就是輸入x。 比如下面這個神經網路: 下面我們要計算這個偏微分:。這裡的以si
李巨集毅機器學習 P13 Brief Introduction of Deep Learning 筆記
deep learning的熱度增長非常快。 下面看看deep learning的歷史。 最開始出現的是1958年的單層感知機,1969年發現單層感知機有限制,到了1980年代出現多層感知機(這和今天的深度學習已經沒有太大的區別),1986年又出現了反向傳播演算法(通常超過3
李巨集毅機器學習 P12 HW2 Winner or Loser 筆記(不使用框架實現使用MBGD優化方法和z_score標準化的logistic regression模型)
建立logistic迴歸模型: 根據ADULT資料集中一個人的age,workclass,fnlwgt,education,education_num,marital_status,occupation等資訊預測其income大於50K或者相反(收入)。 資料集: ADULT資料集。
李巨集毅機器學習P11 Logistic Regression 筆記
我們要找的是一個概率。 f即x屬於C1的機率。 上面的過程就是logistic regression。 下面將logistic regression與linear regression作比較。 接下來訓練模型,看看模型的好壞。 假設有N組trainin
李巨集毅機器學習 P15 “Hello world” of deep learning 筆記
我們今天使用Keras來寫一個deep learning model。 tensorflow實際上是一個微分器,它的功能比較強大,但同時也不太好學。因此我們學Keras,相對容易,也有足夠的靈活性。 李教授開了一個玩笑: 下面我們來寫一個最簡單的deep learning mo
【李巨集毅深度強化學習2018】P3 Q-learning(Basic Idea)
第三講 Q-learning(Basic Idea) 視訊地址:http
【李巨集毅深度強化學習2018】P2 Proximal Policy Optimization (PPO)
第二講 Proximal Policy Optimization(PPO) 視訊地址:https:/
李巨集毅老師《1天搞懂深度學習》
Deep Learning • 上學期的「機器學習」錄影 • DNN: https://www.youtube.com/watch?v=Dr-WRlEFefw • Tips for DNN: https://www.youtube.com/watch?v=xki61j7z-30 • CNN:
【深度學習基礎】《深度學習》李巨集毅
重要知識點: 激勵函式(activation function) softmax layer Lecture 1: Introduction of Deep Learning 1. 深度學習的步驟 機器學習的步驟: Step 1: 定義一個函式集合(define
線性迴歸 李巨集毅機器學習HW1
本文是李巨集毅老師機器學習的第一次大作業,參考網上程式碼,寫了一下自己的思路。 李巨集毅 HM1: 要求:本次作業使用豐原站的觀測記錄,分成train set跟test set,train set是豐原站每個月的 前20天所有資料。test set則是從豐原站剩下的資料中取樣出來。 trai
深度學習導論 - 讀李巨集毅《1天搞懂深度學習》
先引用他人關於李巨集毅教授關於深度學習導論的PPT,應該非常容易入門。 ”《1天搞懂深度學習》,300多頁的ppt,臺灣李巨集毅教授寫的,非常棒。不誇張地說,是我看過最系統,也最通俗易懂的,關於深度學習的文章。“ 這是slideshare的連結:htt
乾貨丨2017年AI與深度學習要點大全
2017已經正式離我們遠去~ ~ ~ 部落格WILDML的作者、曾在Google Brain做了一年Resident的Denny Britz,就把他眼中的2017年AI和深度學習的大事,進行了一番梳理彙總。 強化學習稱霸人類遊戲 如果說2016年A
李巨集毅機器學習課程--迴歸(Regression)
李老師用的是精靈寶可夢做的比喻,假設進化後的寶可夢的cp值(Combat Power)與未進化之前的寶可夢的cp值相關,我們想找出這兩者之間的函式關係,可以設進化後的cp值為y,進化之前的cp值為x:y = b + w*x (不只可以設一次項,還可以設定二次項,三次項