• 投稿

【官授搬运】2026年全新优化版李宏毅机器学习系统课程，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

57.7万
476
2026-01-06 16:20:20
未经作者授权，禁止转载
4383
1182
1.1万
1822
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，推荐给大家。时间着急，想要快速入门的同学，我也在评论区说明了只需要看哪些视频，但一定要完成每一讲最后的作业。
人工智能
神经网络
transformer模型
李宏毅机器学习课程
机器学习
深度学习
transformer
卷积神经网络
机器学习算法
李宏毅机器学习
AI算法工程师Future 发消息
非常感谢你的关注，future致力于与自己团队的伙伴一起给大家带来优质多样的人工智能相关内容，团队已发表共几十篇高区论文，希望对大家有帮助！
视频选集
（1/110）
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）
32:36
【第1讲】1-机器学习基本概念
50:00
2-深度学习基本概念
58:35
3-PyTorch Tutorial-1
31:01
4-PyTorch Tutorial-2
15:52
5-Google Colab使用教程
12:34
6-选修-深度学习简介
46:31
7-选修-反向传播
31:26
8-选修-预测神奇宝贝Pokemon
01:18:36
9-选修-神奇宝贝分类
01:09:41
10-选修-逻辑回归
01:07:14
作业说明 Homework1
40:36
【第2讲】1-机器学习任务攻略
51:24
2-局部最小值与鞍点
33:45
3-批次 (batch) 与动量(momentum)
30:59
4-自动调整学习速率 (Learning Rate))
37:43
5-损失函数(Loss) 可能影响网络训练失败
19:28
6-重温神奇宝贝和数码宝贝分类器—谈谈机器学习的原理
01:14:00
7-选修-梯度下降Gradient Descent-1
02:36
8-选修-梯度下降 Gradient Descent-2
01:41
9-选修-深度学习新的优化器 -1
54:36
10-选修-深度学习新的优化器-2
54:32
作业说明 Homework2
20:03
【第3讲】1-卷积神经网络-CNN
55:40
2-为什么用了验证集结果还是过拟合了
08:56
3-鱼与熊掌可以兼得的深度学习
41:35
4-选修-Spatial Transformer Layer
32:56
作业说明 Homework3
34:21
【第4讲】1-自注意力机制 (Self-attention) (上)
28:18
2-自注意力机制 (Self-attention) (下)
45:58
3-选修-RNN-1
49:00
4-选修-RNN-2
01:30:50
5-选修-GNN-1
39:02
6-选修-GNN-2
01:11:37
作业说明 Homework4
19:23
【第5讲】1-Transformer-1
32:48
2-Transformer-2
01:00:34
3-自注意力机制类别总结
01:11:16
4-选修-Non-Autoregressive Sequence Generation
01:01:53
5-选修-指针网络(Pointer Network)
13:35
作业说明 Homework5
37:52
【第6讲】1-生成式对抗网络 (GAN)-1
39:09
2-生成式对抗网络(GAN)-2
46:41
3-生成式对抗网络(GAN)-3
49:47
4-生成式对抗网络 (GAN)-4
23:41
5-选修-GAN理论-1
01:20:19
6-选修-GAN 理论-2
25:05
7-选修-GAN 理论-3
50:07
8-选修-VAE理论介绍
01:03:31
9-选修-Flow-based生成模型
01:07:52
作业说明 Homework6
38:51
【第7讲】1-自监督学习 (Self-supervised Learning)-1
07:10
2-自监督学习-2 –BERT介绍
50:41
3-自监督学习-3–BERT的奇闻异事
24:14
4-自监督学习-4 –GPT的野望
17:04
5-选修-BERT的预训练和微调
50:09
6-选修-BERT的各种变体
01:11:47
7-选修-GPT-3模型介绍
29:58
作业说明 Homework7
25:56
【第8讲】1-自编码器 (Auto-encoder) (上)–基本概念
19:01
2-自编码器(Auto-encoder) (下) –更多应用
30:35
3-选修-PCA理论介绍
01:40:21
4-选修-t-SNE介绍
30:59
作业说明 Homework8
21:31
【第9讲】1-机器学习的可解释性-1
49:08
2-机器学习的可解释性-2
22:45
3-自然语言处理上的对抗式攻击 (由姜成翰助教讲授) - 第 1 部分
56:06
作业说明 Homework9
10:35
【第十讲】1-來自人類的惡意攻擊 (Adversarial Attack) (上) – 基本概念
29:49
2-來自人類的惡意攻擊 (Adversarial Attack) (下) – 類神經網路能否躲過人類深不見底的惡意？
46:33
3-自然語言處理上的對抗式攻擊 (由姜成翰助教講授) - Part 2
01:26:22
作业说明 Homework10
30:29
【第十一讲】1-概述領域自適應 (Domain Adaptation)
34:32
2-惡搞自督導式學習模型 BERT 的三個故事
53:43
作业说明 Homework11
31:55
【第十二讲】1-概述增強式學習 (Reinforcement Learning, RL) (一) – 增強式學習跟機器學習一樣都是三個步驟
45:02
2-概述增強式學習 (Reinforcement Learning, RL) (二) – Policy Gradient 與修課心情
41:14
3-概述增強式學習 (Reinforcement Learning, RL) (三) - Actor-Critic
34:40
4-概述增強式學習 (Reinforcement Learning, RL) (四) - 回饋非常罕見的時候怎麼辦？機器的望梅止渴
17:35
5-概述增強式學習 (Reinforcement Learning, RL) (五) - 如何從示範中學習？逆向增強式學習 (Inverse RL)
27:08
作业说明 Homework12
13:15
【第十三讲】1-神經網路壓縮 (Network Compression) (一) - 類神經網路剪枝 (Pruning) 與大樂透假說 (Lottery Tic
29:32
2-神經網路壓縮 (Network Compression) (二) - 從各種不同的面向來壓縮神經網路
56:46
3-DRL Lecture 2- Proximal Policy Optimization (PPO)
41:33
4-DRL Lecture 3- Q-learning (Basic Idea)
49:44
5-DRL Lecture 4- Q-learning (Advanced Tips)
38:30
作业说明 Homework13
36:07
【第十四讲】1-機器終身學習 (Life Long Learning, LL) (一) - 為什麼今日的人工智慧無法成為天網？災難性遺忘(Catastrophi
32:00
2-機器終身學習 (Life Long Learning, LL) (二) - 災難性遺忘(Catastrophic Forgetting)的克服之道
36:39
作业说明 Homework14
22:03
【第十五讲】1-元學習 Meta Learning (一) - 元學習跟機器學習一樣也是三個步驟
46:21
2-元學習 Meta Learning (二) - 萬物皆可 Meta
31:37
3-各種奇葩的元學習 (Meta Learning) 用法
31:13
4-Meta Learning – MAML (1-9)
07:41
5-Meta Learning – MAML (2-9)
07:52
6-Meta Learning – MAML (3-9)
10:21
7-Meta Learning – MAML (4-9)
05:14
8-Meta Learning – MAML (5-9)
13:22
9-Meta Learning – MAML (6-9)
06:32
10-Meta Learning – MAML (7-9)
08:54
11-Meta Learning – MAML (8-9)
05:11
12-Meta Learning – MAML (9-9)
06:53
13-Meta Learning - Gradient Descent as LSTM (1-3)
11:40
14-Meta Learning - Gradient Descent as LSTM (2-3)
10:06
15-Meta Learning - Gradient Descent as LSTM (3-3)
10:39
16-Meta Learning – Metric-based (1-3)
10:30
17-Meta Learning – Metric-based (2-3)
05:14
18-Meta Learning – Metric-based (3-3)
11:29
19-Meta Learning - Train+Test as RNN
07:47
作业说明 Homework15
17:54

【2026版】李宏毅机器学习教程！涵盖机器学习算法、深度学习、Pytorch、神经网络、强化学习、计算机视觉、自然语言处理、大模型等人工智能核心知识点！
零基础网络安全教学
3.6万 229

强推！这可能是B站最全的（Python＋机器学习＋深度学习）系列课程了，堪称人工智能系列课程的巅峰之作！-人工智能/深度学习/机器学习
吴恩达深度学习
99.6万 1975

（2025版）李宏毅机器学习深度学习系列课程全集，公认体验感最好的入门课程！--人工智能/机器学习/深度学习
李宏毅深度学习课堂
103.0万 2512

【2026最新版】Transformer动画讲解教程！0基础易学，通俗易懂讲解Transformer原理！从入门到精通，看这一个视频就够了！
bili_3537123938404911
3.2万 85

【上海交大张伟楠】强化学习从入门到精通，手把手教学，保姆级教程！比啃书效果好多了，草履虫都能学会！课程第1讲：强化学习简介I
bili_3537123938404911
10.4万 112

【李宏毅】2026年公认最好的【LLM大模型】教程！大模型入门到进阶，一套全解决！2025生成式人工智慧与机器学习导论-附带课件代码
李宏毅大模型
5.7万 234

8年经验告诉你，学AI的顺序千万别搞反了！两个月从零入门深度学习+AI各学科自学路线图初学者必看，少走弯路！！！AI人工智能/深度学习/机器学习
唐宇迪AI入门课
29.3万 498

【B站最全】清华大佬144集讲完的人工智能教程！从小白到学神！2025清华内部版人工智能入门基础，深度学习、机器学习、神经网络、OpenCV一口气学完！
人工智能基础
21.5万 164

建议一定要搞清楚！学深度学习前是否要先学习机器学习呢？？要看自己的情况来定！！——神经网络/python深度学习
AI算法工程师Future
1.5万 111

200集全【2026版】李沐人工智能课程合集，动手学深度学习、实用机器学习、AI论文精读一口气学完！李沐老师带你入门AI人工智能
OpenCV图像识别
8.8万 48

强推！这可能是B站最全的（Python＋机器学习＋深度学习）系列课程了，不愧是上海交大和腾讯联合出品！快速入门巨简单，还学不会来锤爆我！人工智能_神经网络_AI
AlfredTaylorHD
1047.9万 615

从零开始带你手敲深度学习模型训练、推理代码，吃透一个完整的项目框架！实时教学修改报错
DT算法工程师前钰
9.6万 93

【2025最新版】王树森深度强化学习全套课程（280集）涵盖PPO算法/DQN算法/A3CQ-Learning/SARSA算法等强化学习经典算法！学完即可就业！
bili_3537123938404911
17.7万 309

要基于PyTorch做深度学习，但是我代码水平很低我应该如何学习呢？？？—深度学习入门/神经网络
AI算法工程师Future
21.5万 261

【2025版】Python入门到进阶，零基础学习人工智能必修！（机器学习丨深度学习丨神经网络丨pytorch）
吴恩达-深度学习
9.3万 13

只推荐我用过且真正好用的科研必备skill！这四个科研skill就能替代90%的科研搬砖！
AI算法工程师Future
3.0万 109

吹爆！B站讲的最好的贝叶斯算法、朴素贝叶斯、贝叶斯网络教程，精讲贝叶斯算法教程，从理论到实战，不再走弯路！
宇迪讲AI
32.6万 854

如何把喜欢的App改成你更喜欢的样子
技术蛋老师
11.9万 160

【全463集】禁止自学走弯路！回归算法、聚类算法、决策树、随机森林、神经网络、贝叶斯算法、支持向量机等十大机器学习算法一口气学完！
迪哥谈AI
22.9万 1355

这是我见过的真正能正确的帮科研工作流提效还不会出错的科研skill！！！太实在了！
AI算法工程师Future
4863 29
展开
心理学视角下的爱与亲密关系 | 有奖征稿
客服
顶部
赛事库 课堂 2021拜年纪