首页教程
【AI知识学习】Machine Learning(机器学习算法)
64

【AI知识学习】Machine Learning(机器学习算法)

AI知识学习小助手
AI知识学习小助手
2023-07-24 17:34

机器学习研究和构建的是一种特殊算法,而非某一个特定的算法,能够让计算机自己在数据中学习从而进行预测。所以,机器学习不是某种具体的算法,而是很多算法的统称。在本节课中你能学到梯度下降、逻辑回归,反向传播等内容。

作者李宏毅(Hung-yi Lee )

台湾计算机科学家,国立台湾大学电机工程学系副教授,研究领域包括语意理解、语音辨识、机器学习、深度学习等。擅长用浅显易懂的语言,以学生喜爱的精灵宝可梦、凉宫春日等动漫来讲解复杂的机器学习技术,因此被亲切地称为“精灵宝可梦大师”。截至目前,他的YouTube订阅者已达到16.6万。

【计算机科学】ML讲座0-1:机器学习简介

【计算机科学】ML讲座0-2:为什么我们需要学习机器学习?

【计算机科学】ML讲座1:回归 - 案例研究

【计算机科学】ML讲座1:回归-演示

【计算机科学】ML讲座2:误差从何而来?

【计算机科学】ML讲座3-1:梯度下降

【计算机科学】毫升讲座3-2:梯度下降(由AOE演示)

【计算机科学】毫升讲座3-3:梯度下降(由《我的世界》演示)

【计算机科学】ML讲座4:分类

【计算机科学】ML讲座5:逻辑回归

【计算机科学】ML讲座6:深度学习简介

【计算机科学】ML第7讲:反向传播

【计算机科学】ML讲座8-1:深度学习的“Hello world”

【计算机科学】ML讲座8-2:Keras 2.0

【计算机科学】ML讲座8-3: Keras Demo

【计算机科学】ML讲座9-1:训练DNN的技巧

【计算机科学】ML讲座9-2:Keras Demo 2

【计算机科学】ML讲座9-3:tensor flow中的嘶嘶声(续)

【计算机科学】ML讲座10:卷积神经网络

【计算机科学】ML讲座11:为什么要做深度学习?

【计算机科学】ML讲座12:半监督学习

计算机科学】ML讲座13:无监督学习 - 线性方法

【计算机科学】ML讲座14:无监督学习 - 词嵌入

【计算机科学】ML讲座15:无监督学习 - 邻域嵌入法

【计算机科学】ML讲座16:无监督学习 - 自编码器

【计算机科学】ML讲座17:无监督学习 - 深度生成模型(第一部分)

【计算机科学】ML讲座18:无监督学习 - 深度生成模型(第二部分)

【计算机科学】ML讲座19:迁移学习

【计算机科学】ML讲座20:支持向量机(SVM)

【计算机科学】ML讲座21-1:循环神经网络(第一部分)

【计算机科学】ML讲座21-2:循环神经网络(第二部分)

【计算机科学】ML讲座22:集成学习

【计算机科学】ML讲座23-1:深度强化学习

【计算机科学】ML讲座23-2:策略梯度(补充说明)

【计算机科学】ML讲座23-3:强化学习(包括Q学习)

查看计算机科学相关全部:https://www.haoshuo.com/article/64be37d9b439d8b950673480

全部讨论

no data来都来了,坐下聊聊