• 投稿

李宏毅机器学习(2017)

94.2万
2.4万
2017-05-16 00:23:09
6118
3366
3.9万
4822
src: https://www.youtube.com/playlist?list=PLJV_el3uVTsPy9oCRY30oBPNLCo89yu49 Home: http://speech.ee.ntu.edu.tw/~tlkagk/courses_ML17.html
机器学习
AI
深度学习
爱可可-爱生活 发消息
新浪微博 @爱可可-爱生活 http://weibo.com/fly51fly
广告
豆包AI助手，解决各种难题
豆包
1万人感兴趣
视频选集
（1/40）
0-1: Introduction of Machine Learning
38:57
0-2: Why we need to learn machine learning?
01:20
1: Regression - Case Study
01:25:57
1- Regression - Demo - YouTube (HD)
06:53
2: Where does the error come from?
43:14
3-1: Gradient Descent
01:01:52
3-2- Gradient Descent (Demo by AOE)
02:35
3-3- Gradient Descent (Demo by Minecraft)
01:40
HW1 – PM2.5 Prediction
14:06
4: Classification
01:09:41
5: Logistic Regression
01:09:09
HW2 - Winner or Loser
03:21
6: Brief Introduction of Deep Learning
46:32
7: Backpropagation
20:20
8-1: “Hello world” of deep learning
29:51
8-2- Keras 2.0
09:37
8-3- Keras Demo
11:13
9-1: Tips for Training DNN
01:22:35
9-2- Keras Demo 2
15:21
9-3- Fizz Buzz in Tensorflow (sequel)
06:10
10: Convolutional Neural Network
01:23:26
11: Why Deep?
57:46
12: Semi-supervised
01:00:00
13: Unsupervised Learning - Linear Methods
01:40:24
14: Unsupervised Learning - Word Embedding
42:10
15: Unsupervised Learning - Neighbor Embedding
30:29
16: Unsupervised Learning - Auto-encoder
36:52
17- Unsupervised Learning - Deep Generative Model (Part I)
29:34
18- Unsupervised Learning - Deep Generative Model (Part II)
01:03:31
19: Transfer Learning
01:11:26
20- Support Vector Machine (SVM)
01:05:26
21- Structured Learning - Introduction
19:32
22- Structured Learning - Linear Model
24:15
23- Structured Learning - Structured SVM
02:11:44
24- Structured Learning - Sequence Labeling
01:43:31
25: Recurrent Neural Network (Part I)
49:01
26: Recurrent Neural Network (Part II)
01:30:56
27: Ensemble
01:40:02
28- Deep Reinforcement Learning - Scratching the surface
01:06:21
The Next Step for Machine Learning
15:27

Yoshua Bengio：超越监督深度学习
爱可可-爱生活
1708 7

哈佛大学《统计110：概率》课程 by Joe Blitzstein
爱可可-爱生活
1.3万 50

李宏毅 Linear Algebra 線性代數 (2020) 国语课程
爱可可-爱生活
4861 0

数据科学导论(2020) by Steve Brunton 101-128
爱可可-爱生活
3659 0

2019机器学习暑期学校(Moscow)
爱可可-爱生活
1786 0

PyData NYC 2019
爱可可-爱生活
822 2

计算线性代数（fast.ai）（英文字幕）
爱可可-爱生活
5073 11

NeurIPS 2019
爱可可-爱生活
3058 4

机器学习数学原理暑期学校(2019)
爱可可-爱生活
2.7万 10

MIT《神经计算导论》课程 (2018)
爱可可-爱生活
4967 0

MIT《医疗机器学习》课程(2019)
爱可可-爱生活
6803 1

Kaggle开放日：打造自己的AI相机
爱可可-爱生活
923 1

MIT《机器学习公平性探索》课程(2020)
爱可可-爱生活
1617 0

《给程序员的范畴论1》课程 by Bartosz Milewski
爱可可-爱生活
1.8万 80

辛辛那提大学《微积分II》课程 (2019)
爱可可-爱生活
1530 0

机器学习与AI
爱可可-爱生活
1444 4

《给程序员的范畴论3》课程 by Bartosz Milewski
爱可可-爱生活
1890 0

如何为报告作准备
爱可可-爱生活
1220 1

【双语字幕】MIT《数据分析、信号处理和机器学习中的矩阵方法》课程 (Spring 2018) by Gilbert Strang
爱可可-爱生活
14.8万 618

NeurIPS 2019 paper Highlight
爱可可-爱生活
988 1
展开
汇集考研干货&备考经验，UP主陪你一起上岸！
客服
顶部
赛事库 课堂 2021拜年纪