强推!(2026优化版) 李宏毅最新课程:【 机器学习】125集全!这才是真正的初学者体系课程!—人工智能/深度学习/神经网络

7867
81
2026-04-03 14:31:20
143
66
399
83
提示:李宏毅老师每年的课程都是相互补充的,所以本课程是将这几年的课程进行了严谨的整合,从而形成了一套非常完善的机器学习深度学习系统课程,非常适合作为机器学习初学者的第一门课 人工智能系统课程辅导可直接咨询
专注AI领域,擅长深度学习+计算机视觉+自然语言处理 可提供【AI入门、论文、就业、项目、技术指导】和【免_费咨询答疑】
视频选集
(1/100)
自动连播
导学:课程大纲概述(记得一定要完成每一讲最后的作业,学习效果才好)
32:29
1、第一节 上 机器学习基本概念简介
49:59
2、 下 深度学习基本概念简介
58:35
3、第二节 机器学习任务攻略
51:23
4、 类神经网络训练不起来怎么办一 局部最小值 local
33:45
5、 类神经网络训练不起来怎么办二 批次 batch 与动
30:59
6、 类神经网络训练不起来怎么办三 自动调整学习率 Lear
37:42
7、 类神经网络训练不起来怎么办四 损失函数 Loss 也
19:28
8、 再探宝可梦、数码宝贝分类器 — 浅谈机器学习原理
01:14:00
9、第三节 卷积神经网络CNN
55:39
10、 为什么用了验证集 validation set 结
08:56
11、 鱼与熊掌可以兼得的机器学习
41:35
12 生成式对抗网络GAN 一 – 基本概念介紹
39:09
13、生成式对抗网络GAN 二 – 理论介绍与WGAN
46:41
14、 生成式对抗网络GAN 三 – 生成器效能评估与条件式
49:47
15、生成式对抗网络GAN 四 – Cycle GAN
23:41
16、第四节 自注意力机制Selfattention上
28:18
17、自注意力机制 Selfattention 下
45:58
18、第五节 类神经网络训练不起来怎么办 五 批次标准化
30:56
20、 Transformer 下
01:00:34
21、 各式各样神奇的自注意力机制 Selfattenti
01:11:16
22、第七节 自监督式学习 一 – 芝麻街与进击的巨人
07:10
23、 自监督式学习 二 – BERT简介
50:41
24、 自监督式学习 三 – BERT的奇闻轶事
24:14
26、 如何有效的使用自督导式模型 DataEffici
01:22:09
27、 语音与影像上的神奇自督导式学习模型
01:21:59
28、第八节 自编码器 Autoencoder 上 –
19:01
30、第九节 机器学习的可解释性 上 – 为什么神经网络
49:08
31、 机器学习的可解释性 下 –机器心中的猫长什么样子
22:45
32、 自然语言处理上的对抗式攻击 由姜成翰助教讲授 P
56:06
33、第十节 来自人类的恶意攻击 Adversarial
29:49
34、 来自人类的恶意攻击 Adversarial Att
46:33
35、第十一节 概述领域自适应 Domain Adapt
34:33
36、 恶搞自督导式学习模型 BERT的三个故事A
53:43
38、 概述增强式学习 二 – Policy Gradie
41:14
39、 概述增强式学习 三 – ActorCriticA
34:41
40、 概述增强式学习 四 – 回馈非常罕見的時候怎么办?
17:35
41、 概述增强式学习 五 – 如何从示范中学习?逆向增強
27:08
42、第十三节 神经网络压缩 一 类神经网络剪枝Pru
29:32
43、 神经网络压缩 二 从各种不同的面向來压缩神经网络
56:46
45、 机器終身学习 二 灾难性遗忘Catastrop
36:39
45、 作业说明 HW14 中文高清A
27:49
46、第十五节 元学习 Meta Learning 一
46:20
47、 元学习 Meta Learning 二 万物皆可
31:37
48、 各种奇葩的元学习 Meta Learning 用法
31:13
49、【机器学习】课程结语 完结撒花A
27:41
1.1.第0讲:课程说明
25:40
2.2.第1讲:生成式AI是什么
29:29
3.3.(延申)80分钟快速了解大型语言模型
01:32:10
4.4.作业 1:真假难辨的世界
19:17
5.5.第2讲:今日的生成式人工智能厉害在哪里?从「工具」变为「工具人」
26:05
6.6.第3讲:训练不了人工智能?你可以训练你自己(上)
34:35
7.7.作业2:都是 AI 的作文比赛
33:57
8.8.第4讲:训练不了人工智能?你可以训练你自己(中)
47:22
9.9.(延申)能够使用工具的AI:New Bing, WebGPT, Tool
24:23
10.10.作业3:以 AI 搭建自己的应用
52:36
11.第5讲:训练不了人工智能?
25:21
12.12.第6讲:大型语言模型修炼史 — 第一阶段- 自我学习,累积实力
34:26
13.13.
23:34
14.(延申)机器学习模型的可解释性 (Explainable ML) (上) – 为什么类神经网络可以正确分辨宝可梦和数码宝贝呢
49:08
15.15.作业四:Become an AI Hypnosis Master
53:37
16.16.第7讲:大型语言模型修炼史 — 第二阶段_ 名师指点,发挥潜力
38:19
17.17.作业五:LLM Fine-tuning
50:44
18.18.第8讲:大型语言模型修炼史 — 第三阶段- 参与实战,打磨技巧
36:59
19.19.第9讲:以大型语言模型打造的AI Agent
24:46
20.20.作业六:Learning from Human Preference
38:45
21.21.第10讲:今日的语言模型是如何做文字接龙的 — 浅谈Transfor
38:16
22.22.第11讲:大型语言模型在「想」什么呢? — 浅谈大型语言模型的可解释
45:16
23.23.(延申)Transformer
32:48
24.24.(延申)Transformer
01:00:34
27.27.作业七:Understanding what AI is think
11:13
28.28.第12讲:浅谈评估大型语言模型能力的各种方式
46:12
29.29.第13讲:浅谈大型语言模型相关的安全性议题
32:04
30.30.作业八:Safety Issue of Generative AI
36:55
31.第14讲:浅谈大型语言模型相关的安全性议题
15:32
32.32.第15讲:为什么语言模型用文字接龙,图片生成不用像素接龙呢?— 浅谈
45:27
33.第16讲:可以加速所有语言模型生成速度的神奇外挂 — Speculativ
12:42
34.34.作业九:Quick Summary of Lecture Video
36:00
35.35.第17讲:有关影像的生成式AI
49:30
36.36.第18讲:有关影像的生成式AI
37:01
37.37.(延申)Variational Auto-encoder
01:03:31
38.38.(延申)Generative Adversarial Network
01:33:15
39.(延申)Flow-based Method
01:07:52
40.40.(延申)Diffusion Method
13:54
41.41.作业十:Stable Diffusion Fine-tuning
15:25
42.42.额外课程:GPT-4o
38:13
1.概述增強式學習一 – 增强式学习和机器学习一A
45:02
2.概述增强式学习 二 – Policy GradientA
41:14
3.概述增强式学习 三 – ActorCriticA
34:41
4.概述增强式学习 四 – 回馈非常罕見的時候怎么办?机器A
17:35
5.概述增强式学习 五 – 如何从示范中学习?逆向增強式学A
27:08
6.神经网络压缩 一 类神经网络剪枝PruA
29:32
7.从各种不同的面向來压缩神经网络A
56:46
8.机器终身学习 一 为什么今日的人工智能A
32:00
9.机器終身学习 二 灾难性遗忘CatastropA
36:39
10.作业说明 HW14 中文高清A
27:49
11.作业说明 HW14A
22:03
12.元学习 Meta Learning 一 A
46:20
13.Meta Learning 二 万物皆可 A
31:37
14.各种奇葩的元学习 Meta Learning 用法A
31:13
客服
顶部
赛事库 课堂 2021拜年纪