李巨集毅機器學習課程6~~~深度學習入門
深度學習歷史
深度學習經典步驟
神經網路的符合標記含義
Wij 代表的是從神經元ｊ到神經元ｉ，這樣寫的目的是便於表達，否則最後的表示式子就是Wij的轉置，細節見下面。
每個神經元的偏執值組成一個向量ｂ
單個神經元的輸出結果
所有神經元輸出的結果
深度學習示例數字識別
將圖片reshape到一列（按行reshape或者按列reshape均可），類別可用0ne-hot來標記。
深度學習損失函式
批量算損失，梯度下降法去更新引數，以便找到最優的目標函式。
深度學習梯度下降法
參考文獻
相關推薦
李巨集毅機器學習課程6~~~深度學習入門
深度學習歷史 深度學習經典步驟 神經網路的符合標記含義 Wij 代表的是從神經元ｊ到神經元ｉ，這樣寫的目的是便於表達，否則最後的表示式子就是Wij的
臺大李巨集毅教授最新課程，深度強化學習國語版
李巨集毅的youtube主頁：https://www.youtube.com/channel/UC2ggjtuuWvxrHHHiaDH1dlQ/videos此外，李老師在youtube還有《機器學習》和《深度學習》兩門課程的視訊講解，這兩門課程也獲得了不錯的口碑，課程連結如下
李巨集毅機器學習筆記-6 深度學習簡介（Brief Introduction of Deep Learning）
Brief Introduction of Deep Learning - 深度學習簡介 1. 前言 deep learning 在近些年非常熱門，從2012年開始，深度學習的應用數目幾乎是呈指數增長的。 深度學習的發展史如下圖：
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
李巨集毅機器學習PTT的理解（1）深度學習的介紹
深度學習的介紹 機器學習就像是尋找一個合適的函式，我們輸入資料就可以得到想要的結果，比如： 在語音識別中，我們輸入一段語音，函式的輸出值就是識別的結果；在影象識別中，輸入一張照片，函式可以告訴我們分類
李巨集毅機器學習2016 第八講 深度學習網路優化小訣竅
Tips for Deep Learning 本章節主要講解了深度學習中的一些優化策略，針對不同的情況適用於不同的優化方法。 主要內容是：新的啟用函式（new activation function），自適應的學習率(adaptive learning
[機器學習入門] 李巨集毅機器學習筆記-1（Learning Map 課程導覽圖）
在此就不介紹機器學習的概念了。 Learning Map（學習導圖） PDF VIDEO 先來看一張李大大的總圖↓ 鑑於看起來不是很直觀，我“照虎
李巨集毅機器學習課程筆記10：Ensemble、Deep Reinforcement Learning
臺灣大學李巨集毅老師的機器學習課程是一份非常好的ML/DL入門資料，李巨集毅老師將課程錄影上傳到了YouTube，地址：NTUEE ML 2016 。 這篇文章是學習本課程第27-28課所做的筆記和自己的理解。 Lecture 27: Ensembl
[機器學習入門] 李巨集毅機器學習筆記-6 （Classification: Logistic Regression；邏輯迴歸）
[機器學習] 李巨集毅機器學習筆記-6 （Classification: Logistic Regression；Logistic迴歸） PDF VIDEO Three steps Step 1: Function Set
李巨集毅機器學習課程筆記9：Recurrent Neural Network
臺灣大學李巨集毅老師的機器學習課程是一份非常好的ML/DL入門資料，李巨集毅老師將課程錄影上傳到了YouTube，地址：NTUEE ML 2016 。 這篇文章是學習本課程第25-26課所做的筆記和自己的理解。 Lecture 25,26: Recu
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
李巨集毅機器學習課程筆記-1.機器學習概論
# 機器學習是什麼 **機器學習就是讓機器能自動找到一個函式（function）** - 語音識別（Speech Recognition） 輸入是音訊，輸出是音訊對應的文字。 - 影象分類 輸入是圖片，輸出是類別（比如貓、狗）。 - AlphaGo下圍棋 輸入是當前棋盤的狀態，輸出是下一步
李巨集毅機器學習課程筆記-4.1分類簡介及其與迴歸的區別
[TOC] # 分類模型應用案例（Classification Cases） - 信用評分（Credit Scoring） - 輸入：收入、儲蓄、職業、年齡、信用歷史等等 - 輸出：是否貸款 - 醫療診斷（Medical Diagnosis） - 輸入：現在症狀、年齡、性別、病史 - 輸出：哪種疾病
【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
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