机器之心专栏
作者:Datawhale
提起李宏毅老师,熟悉机器学习的读者朋友一定不会陌生。很多人选择的机器学习入门学习材料都是李宏毅老师的台大公开课视频。现在,机器学习爱好者有更完善的学习资料了。来自 Datawhale 的朋友整理、总结了李宏毅老师的机器学习视频教程,添加了课程笔记,实现了课程内容的完整复现。目前项目已完全开源,包括课程内容和复现代码,供大家使用。
目录
1.李宏毅机器学习简介
2.《LeeML-Notes》李宏毅机器学习笔记
3.《LeeML-Notes》学习笔记框架
4.笔记内容细节展示
a. 对梯度下降概念的解析
b. 为什么需要做特征缩放
c. 隐形马尔科夫链的应用
5.代码呈现
a. 回归分析
b. 深度学习
6.作业展示
7.交流互动
8.开源地址
9.配套视频
1. 李宏毅机器学习简介
李宏毅老师现任中国台湾大学电气工程助理教授,研究重点是机器学习,特别是深度学习领域。他有一系列公开的机器学习课程视频,在机器学习领域是很多人入门的教材,人气不输吴恩达的 Coursera 机器学习课程。
李宏毅老师的课程视频包括多种监督学习、无监督学习、半监督学习等领域,算法包括简单的线性回归、logistic 回归、支持向量机,乃至深度学习中的各类神经网络模型。
「梯度下降」课程中的 PPT 。对比了不同梯度下曲线的形状。
「词嵌入」课程中的PPT。展示了语义相似词语在词嵌入后呈现出的聚集关系。
因为课程中干货满满,李宏毅老师的课程视频也被称为中文世界中最好的机器学习视频。李老师以幽默风趣的上课风格让很多晦涩难懂的机器学习理论变得轻松易懂,他将理论知识与有趣的例子结合在课堂上展现,并且对深奥的理论知识逐步推导,保证学习者能够学习到问题的精髓所在。比如老师会经常用宝可梦来结合很多机器学习算法。对于想入门机器学习又想看中文讲解的人来说绝对是非常推荐的。
但是,考虑到很多机器学习爱好者对于课程笔记的需求,我们不仅仅需要的是教学视频。我们需要一份课程笔记,能够引领学习者的思路,帮助引导他们进入这个领域。因此,就诞生了这款《LeeML-Notes》李宏毅机器学习笔记。
2.《LeeML-Notes》李宏毅机器学习笔记
LeeML-Notes 是 Datawhale 开源组织自《机器学习南瓜书》后的又一开源学习项目,由团队成员王佳旭、金一鸣牵头,8 名成员历时半年精心打磨而成,实现了李宏毅老师机器学习课程内容的 100% 复现,并且在此基础上补充了有助于学习理解的相关资料和内容,对重难点公式进行了补充推导。期间,Datawhale 开源组织打造了《李宏毅老师机器学习》的组队学习,在众多学习者共同的努力下,对该内容进行了迭代和补充。下面,让我们来详细了解下工作详情吧。
具体准备工作:
下图为修订记录表:
3.《LeeML-Notes》学习笔记框架
3.a 亮点
这份学习笔记具有以下优点:
3.b 笔记框架
内容在整体框架上与李宏毅老师的机器学习课程保持一致,主要由监督学习、半监督学习、迁移学习、无监督学习、监督学习中的结构化学习以及强化学习构成。建议学习过程中将李宏毅老师的视频和这份资料搭配使用,效果极佳。笔记也和课程视频完全同步。
目录详情见下:
4. 笔记内容细节展示
4.a 对梯度下降概念的解析
在笔记中重新整理PPT内容,并增加了一些注释。
不对视频语音直接转文字,而是根据内容整理成知识点,方便读者理解阅读。
4.b 为什么需要做特征缩放
对特征缩放的PPT进行整理记录。
4.c 隐形马尔科夫链的应用
隐形马尔科夫链在语言模型中的应用。
4.d 利用贴近学生的例题解释知识点
用算法对精灵宝可梦(神奇宝贝)进行分类。
5. 代码呈现
代码在李宏毅老师提供代码的基础上进行了优化,在 python3 上全部调试通过。
5.a 回归分析
5.b 深度学习
Keras 的基础模型构建代码。
用Keras构建深层模型。
6. 作业展示
对笔记课程的作业进行了讲解与解读,并且总结了一些需要注意的点,同样在 python3 上调试通过。
问题描述。
笔记中提供了课程作业的参考答案。
7. 交流互动
目录中每一节最后都设置了交流互动区供大家总结学习内容、提出自己的疑问和广大学习者互动,可以使用 GitHub 登录,方便读者们交流。
主要贡献人员
本文为机器之心专栏文章,转载请联系原公众号获得授权。
✄------------------------------------------------
加入机器之心(全职记者 / 实习生):hr@jiqizhixin.com
投稿或寻求报道:content@jiqizhixin.com
广告 & 商务合作:bd@jiqizhixin.com