投稿

(强推)李宏毅2021/2022春机器学习课程

277.2万

4.7万

2021-02-27 20:39:21

正在缓冲...

2022课程与2021课程基本相同，李老师只做小补充，UP会标识2022，会根据22课程大纲将内容进行相应更新！！！公众号【啥都会一点的研究生】，本课资料对应序号05,能满足全部资料需求。人工智能技术探讨群：571218304，不定期分享AI干货，点赞关注一起进步！ 2021课程地址：https://speech.ee.ntu.edu.tw/~hylee/ml/2021-spring.html 2022课程地址：https://speech.ee.ntu.edu.tw/~hylee/ml/2022-spring.php 课件和资料Github版：https://github.com/Fafa-DL/Lhy_Machine_Learning 课件和资料Gitee版：https://gitee.com/zzhzwh/Lhy_Machine_Learning CSDN版https://blog.csdn.net/zzh516451964zzh/article/details/123212671 我是up主啥都生，非科班上岸算法工程师，分享我的学习路线：BV16341177c1

啥都会一点的研究生

啥都会一点的研究生发消息

啥都会一点，啥都不精通，自动驾驶感知算法工程师。公众号：啥都会一点的研究生

2022-机器学习相关规定

32:27

2021-机器学习相关规定

32:45

第一节 2021 - (上) - 机器学习基本概念简介

50:00

2021 - (下) - 深度学习基本概念简介

58:35

2022-Colab教学

12:34

2022-PyTorch Tutorial 1

31:01

2022-PyTorch Tutorial 2

15:52

2021-Google Colab教学

09:24

2021-Pytorch 教学 part 1

22:01

2021-Pytorch 教学 part 2（英文有字幕）

09:21

2022-作业HW1

40:36

2021-作业HW1

18:58

(选修)To Learn More - 深度学习简介

46:29

(选修)To Learn More - 反向传播(Backpropagation)

31:26

(选修)To Learn More - 预测神奇宝贝Pokemon

01:18:36

(选修)To Learn More - 分类神奇宝贝Pokemon

01:09:40

(选修)To Learn More - 逻辑回归

01:07:12

第二节 2021 - 机器学习任务攻略

51:24

2021 - 类神经网络训练不起来怎么办(一) 局部最小值 (local minima) 与鞍点 (saddle point)

33:45

2021 - 类神经网络训练不起来怎么办(二) 批次 (batch) 与动量 (momentum)

30:59

2021 - 类神经网络训练不起来怎么办(三) 自动调整学习率 (Learning Rate)

37:42

2021 - 类神经网络训练不起来怎么办(四) 损失函数 (Loss) 也可能有影响

19:27

2022 - 再探宝可梦、数码宝贝分类器 — 浅谈机器学习原理

01:14:00

(选修)To Learn More - Gradient Descent 样例1

02:36

(选修)To Learn More - Gradient Descent 样例2

01:41

(选修)To Learn More - Optimization for Deep Learning (1_2)

54:35

(选修)To Learn More - Optimization for Deep Learning (2_2)

54:31

2022 - 作业HW2

20:04

2021 - 作业说明 HW2中文低画质版

30:50

2021 - 作业说明 HW2-英文有字幕高清版

26:55

第三节 2021 - 卷积神经网络(CNN)

55:40

2022 - 为什么用了验证集 (validation set) 结果却还是过拟合(overfitting)了呢？

08:56

2022 - 鱼与熊掌可以兼得的机器学习

41:35

(选修)To Learn More - Spatial Transformer Layer

32:55

2022 - 作业说明HW3

34:21

2021- 作业说明HW3 中文低画质

24:55

2021- 作业说明HW3 英文高画质有字幕

29:07

第四节 2021 - 自注意力机制(Self-attention)(上)

28:18

2021 - 自注意力机制 (Self-attention) (下)

45:57

(选修)To Learn More - Recurrent Neural Network (Part I)

48:59

(选修)To Learn More - Recurrent Neural Network (Part II)

01:30:50

(选修)To Learn More - Graph Neural Network(1_2)

39:01

(选修)To Learn More - Graph Neural Network(2_2)

01:11:36

(选修)To Learn More - Unsupervised Learning - Word Embedding

40:38

2022 - 作业说明HW4

19:23

2021 - 作业说明 HW4-中文低画质版

25:22

2021 - 作业说明 HW4-英文无字幕高清版

22:43

第五节 2021 - 类神经网络训练不起来怎么办 (五) 批次标准化 (Batch Normalization)

30:55

2021 - Transformer (上)

32:47

2021 - Transformer (下)

01:00:33

2022 - 各式各样神奇的自注意力机制 (Self-attention) 变型

01:11:16

(选修)To Learn More - Non-Autoregressive Sequence Generation

01:01:52

(选修)To Learn More - Pointer Network

13:35

2022 - 作业说明HW5

37:52

2021 - 作业说明 HW5 中文 + Judgeboi讲解

50:17

2021 - 作业说明 HW5 slides tutorial -英文版机翻

16:48

2021 - 作业说明 HW5 code tutorial -英文版机翻

16:14

第六节 2021 - 生成式对抗网络(GAN) (一) – 基本概念介紹

39:08

2021 - 生成式对抗网络(GAN) (二) – 理论介绍与WGAN

46:40

2021 - 生成式对抗网络(GAN) (三) – 生成器效能评估与条件式生成

49:46

2021 - 生成式对抗网络(GAN) (四) – Cycle GAN

23:40

(选修)To Learn More - GAN Basic Theory

01:20:19

(选修)To Learn More - General Framework

25:04

(选修)To Learn More - WGAN, EBGAN

50:07

(选修)To Learn More - Unsupervised Learning - Deep Generative Model (Part I)

29:34

(选修)To Learn More - Unsupervised Learning - Deep Generative Model (Part II)

01:03:31

(选修)To Learn More - Flow-based Generative Model

01:07:51

2021 - 作业说明 HW6 中文版低画质

29:03

2021 - 作业说明 HW6 英文版高画质有字幕

12:20

2022 - 作业说明 HW6

38:51

第七节 2021 - 自监督式学习 (一) – 芝麻街与进击的巨人

07:09

2021 - 自监督式学习 (二) – BERT简介

50:40

2021 - 自监督式学习 (三) – BERT的奇闻轶事

24:13

2021 - 自监督式学习 (四) – GPT的野望

17:04

2022 - 如何有效的使用自督导式模型 - Data-Efficient & Parameter-Efficient Tuning

01:22:09

2022 - 语音与影像上的神奇自督导式学习模型

01:21:59

(选修)To Learn More - BERT and its family - Introduction and Fine-tune

50:08

(选修)To Learn More - ELMo, BERT, GPT, XLNet, MASS, BART, UniLM, ELECTRA, others

01:11:46

(选修)To Learn More - Multilingual BERT

39:13

(选修)To Learn More - 來自獵人暗黑大陸的模型 GPT-3

29:57

2021 - 作业说明 HW7 中文版低画质

21:07

2022 - Homework 7

25:56

第八节 2021 - 自编码器 (Auto-encoder) (上) – 基本概念

19:01

2021 - 自编码器 (Auto-encoder) (下) – 领结变声器与更多应用

30:35

2021 - Anomaly Detection (1_7)

13:23

2021 - Anomaly Detection (2_7)

14:10

2021 - Anomaly Detection (3_7)

14:05

2021 - Anomaly Detection (4_7)

04:08

2021 - Anomaly Detection (5_7)

12:18

2021 - Anomaly Detection (6_7)

12:20

2021 - Anomaly Detection (7_7)

06:02

(选修)To Learn More - Unsupervised Learning - Linear Methods

01:40:21

(选修)To Learn More - Unsupervised Learning - Neighbor Embedding

30:59

2021 - 作业说明 HW8 中文版低画质

25:44

2022 - 作业说明 Homework 8

21:31

第九节 2021 - 机器学习的可解释性 (上) – 为什么神经网络可以正确分辨宝可梦和数码宝贝

49:08

2021 - 机器学习的可解释性 (下) –机器心中的猫长什么样子

22:46

2022 - 自然语言处理上的对抗式攻击 (由姜成翰助教讲授) - Part 1

56:06

2021 - 作业说明 HW9 中文版低画质

42:22

2022 - Homework 9

10:35

第十节 2021 - 来自人类的恶意攻击 (Adversarial Attack) (上) – 基本概念

29:50

2021 - 来自人类的恶意攻击 (Adversarial Attack) (下) – 类神经网络能否躲过人类深不见底的恶意

46:33

2022 - 自然语言处理上的对抗式攻击 (由姜成翰助教讲授) - Part 2

01:26:22

2022 - 自然语言处理上的对抗式攻击 (由姜成翰助教讲授) - Part 3

01:10:20

2022 - 自然语言处理上的模仿攻击 (Imitation Attack) 以及后门攻击 (Backdoor Attack) (由姜成翰助教讲授)

43:13

(选修)To Learn More - More about Adversarial Attack (1_2)

29:58

(选修)To Learn More - More about Adversarial Attack (2_2)

29:45

2021 - 作业说明 HW10 中文版低画质

36:50

2022 - Homework 10

30:30

第十一节 2021 - 概述领域自适应 (Domain Adaptation)

34:33

2022 - 恶搞自督导式学习模型 BERT的三个故事

53:43

2021 - 作业说明 HW11 Domain Adaptation

51:55

2022 - 作业说明 Homework11

31:55

第十二节 2021 - 概述增強式學習(一) – 增强式学习和机器学习一样都是三个步骤

45:02

2021 - 概述增强式学习 (二) – Policy Gradient 与修课心情

41:15

2021 - 概述增强式学习 (三) – Actor-Critic

34:41

2021 - 概述增强式学习 (四) – 回馈非常罕見的時候怎么办？机器的望梅止渴

17:35

2021 - 概述增强式学习 (五) – 如何从示范中学习？逆向增強式学习 (Inverse RL)

27:08

2021 - 作业说明 HW12 中文高清

21:59

2022 - 作业说明 HW12 (英文版) - 1_2

13:15

(选修)To Learn More - Deep Reinforcement Learning

01:06:22

第十三节 2021 - 神经网络压缩 (一) - 类神经网络剪枝(Pruning) 与大乐透假说(Lottery Ticket Hypothesis)

29:32

2021 - 神经网络压缩 (二) - 从各种不同的面向來压缩神经网络

56:46

(选修)To Learn More - Proximal Policy Optimization (PPO)

41:34

(选修)To Learn More - Q-learning (Basic Idea)

49:44

(选修)To Learn More - Q-learning (Advanced Tips)

38:31

(选修)To Learn More - Q-learning (Continuous Action)

14:58

(选修)To Learn More - Geometry of Loss Surfaces (Conjecture)

17:07

2021 - 作业说明 HW13 中文高清

33:52

2022 - 作业说明 HW13

36:07

第十四节 2021 - 机器终身学习 (一) - 为什么今日的人工智能无法成为天网？灾难性遗忘(Catastrophic Forgetting)

32:00

2021 - 机器終身学习 (二) - 灾难性遗忘(Catastrophic Forgetting)

36:39

2021 - 作业说明 HW14 中文高清

27:49

2022 - 作业说明 HW14

22:03

第十五节 2021 - 元学习 Meta Learning (一) - 元学习和机器学习一样也是三個步骤

46:21

2021 - 元学习 Meta Learning (二) - 万物皆可 Meta

31:37

2022 - 各种奇葩的元学习 (Meta Learning) 用法

31:13

(选修)To Learn More - Meta Learning – MAML (1)

07:41

(选修)To Learn More - Meta Learning – MAML (2)

07:52

(选修)To Learn More - Meta Learning – MAML (3)

10:22

(选修)To Learn More - Meta Learning – MAML (4)

05:14

(选修)To Learn More - Meta Learning – MAML (5)

13:22

(选修)To Learn More - Meta Learning – MAML (6)

06:33

(选修)To Learn More - Meta Learning – MAML (7)

08:54

(选修)To Learn More - Meta Learning – MAML (8)

05:11

(选修)To Learn More - Meta Learning – MAML (9)

06:53

(选修)To Learn More - Gradient Descent as LSTM (1_3)

11:40

(选修)To Learn More - Gradient Descent as LSTM (2_3)

10:06

(选修)To Learn More - Gradient Descent as LSTM (3_3)

10:39

(选修)To Learn More - Meta Learning – Metric-based (1)

10:30

(选修)To Learn More - Meta Learning – Metric-based (2)

05:15

(选修)To Learn More - Meta Learning – Metric-based (3)

11:30

(选修)To Learn More - Meta Learning - Train+Test as RNN

07:48

2022 - 作业说明 HW15

17:54

【机器学习】课程结语完结撒花

27:41

顶部