资料分享：推荐一本《李宏毅机器学习》开源电子书！

背景

今天在 github 上看到了 datawhale 发布的 李宏毅机器学习笔记。

https://datawhalechina.github.io/leeml-notes

其目录如下：

• P1 机器学习介绍
• P2 为什么要学习机器学习
• P3 回归
• P4 回归-演示
• P5 误差从哪来？
• P6 梯度下降
• P7 梯度下降（用 AOE 演示）
• P8 梯度下降（用 Minecraft 演示）
• P9 作业 1-PM2.5 预测
• P10 概率分类模型
• P11 logistic 回归
• P12 作业 2-赢家还是输家
• P13 深度学习简介
• P14 反向传播
• P15 深度学习初试
• P16 Keras2.0
• P17 Keras 演示
• P18 深度学习技巧
• P19 Keras 演示 2
• P20 Tensorflow 实现 Fizz Buzz
• P21 卷积神经网络
• P22 为什么要「深度」学习？
• P23 半监督学习
• P24 无监督学习-线性降维
• P25 无监督学习-词嵌入
• P26 无监督学习-领域嵌入
• P27 无监督学习-深度自编码器
• P28 无监督学习-深度生成模型 I
• P29 无监督学习-深度生成模型 II
• P30 迁移学习
• P31 支持向量机
• P32 结构化学习-介绍
• P33 结构化学习-线性模型
• P34 结构化学习-结构化支持向量机
• P35 结构化学习-序列标签
• P36 循环神经网络 I
• P37 循环神经网络 II
• P38 集成学习
• P39 深度强化学习浅析
• P40 机器学习的下一步

由于李宏毅的课程内容通俗易懂，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。

李宏毅（Hung-yi Lee）目前任台湾大学电机工程学系和电机资讯学院的助理教授，他曾于 2012 年获得台湾大学博士学位。2012年9月至2013年8月，Academia Sinica信息技术创新研究中心博士后。2013年9月至2014年7月，麻省理工学院计算机科学和人工智能实验室( CSAIL )语言系统组的访问科学家。他的研究方向主要是机器学习（深度学习）和语音识别。

---

机器学习

课程目录：

• 1、The Next Step for Machine Learning
• 2、Anomaly Detection
• 3、Attack ML Models
• 4、Explainable ML
• 5、Life Long Learning
• 6、Meta Learning - MAML
• 7、Meta Learning - Gradient Descent as LSTM
• 8、Meta Learning – Metric-based
• 9、Meta Learning - Train+Test as RNN
• 10、More about Auto-encoder
• 11、Network Compression
• 12、GAN (Quick Review)
• 13、Flow-based Generative Model
• 14、Transformer
• 15、ELMO, BERT, GPT

课程视频：

https://www.bilibili.com/video/av46561029/

课程主页：

http://speech.ee.ntu.edu.tw/~tlkagk/courses_ML19.html

---

深度学习

课程目录：

• 1、Introduction of Machine Learning
• 2、Why we need to learn machine learning
• 3、Regression - Case Study
• 4、Regression - Demo
• 5、Where does the error come from
• 6、Gradient Descent
• 7、Gradient Descent (Demo by AOE)
• 8、Gradient Descent (Demo by Minecraft)
• 9、Classification
• 10、Logistic Regression
• 11、Brief Introduction of Deep Learning
• 12、Backpropagation
• 13、“Hello world” of deep learning
• 14、Keras 2.0
• 15、Keras Demo
• 16、Tips for Training DNN
• 17、Keras Demo 2
• 18、Fizz Buzz in Tensorflow (sequel)
• 19、Convolutional Neural Network
• 20、Why Deep
• 21、Semi-supervised
• 22、Unsupervised Learning - Linear Methods
• 23、Unsupervised Learning - Word Embedding
• 24、Unsupervised Learning - Neighbor Embedding
• 25、Unsupervised Learning - Auto-encoder
• 26、Unsupervised Learning - Deep Generative Model (Part I)
• 27、Unsupervised Learning - Deep Generative Model (Part II)
• 28、Transfer Learning
• 29、Support Vector Machine (SVM)
• 30、Structured Learning - Introduction
• 31、Structured Learning - Linear Model
• 32、Structured Learning - Structured SVM
• 33、Structured Learning - Sequence Labeling
• 34、Recurrent Neural Network (Part I)
• 35、Recurrent Neural Network (Part II)
• 36、Ensemble
• 37、Deep Reinforcement Learning
• 38、Policy Gradient (Supplementary Explanation)
• 39、Reinforcement Learning (including Q-learning)

课程视频：

https://www.bilibili.com/video/av19144978/

课程主页：

http://speech.ee.ntu.edu.tw/~tlkagk/courses_ML17.html

---

深度学习理论

课程目录：

• 1、Can shallow network fit any function
• 2、Potential of Deep
• 3、Is Deep better than Shallow
• 4、When Gradient is Zero
• 5、Deep Linear Network
• 6、Does Deep Network have Local Minima
• 7、Geometry of Loss Surfaces (Conjecture)
• 8、Geometry of Loss Surfaces (Empirical)
• 9、Generalization Capability of Deep Learning
• 10、Indicator of Generalization

课程视频：

https://www.bilibili.com/video/av20961661

---

图书推荐：

1. 区块链技术及应用

• 作　者：华为区块链技术开发团队 著
• 出版社：清华大学出版社

2. 区块链核心算法解析

• 作　者：[美] Roger，Wattenhofer（罗格.瓦唐霍费尔） 著，陈晋川 等 译
• 出版社：电子工业出版社

3. 区块链原理、设计与应用

• 作　者：杨保华，陈昌 著
• 出版社：机械工业出版社

4. 从零开始自己动手写区块链

• 作　者：裴尧尧 著
• 出版社：机械工业出版社

5. 区块链：定义未来金融与经济新格局

• 作　者：张健 著
• 出版社：机械工业出版社

---

相关图文：

• 资料分享：数学建模资料分享 – 图论部分
• 资料分享：数学建模资料分享 – 神经网络部分
• 如何利用 C# 实现 K 最邻近算法？
• 如何利用 C# 实现 K-D Tree 结构？
• 如何利用 C# + KDTree 实现 K 最邻近算法？
• 如何利用 C# 对神经网络模型进行抽象？
• 如何利用 C# 实现神经网络的感知器模型？
• 如何利用 C# 实现 Delta 学习规则？
• 如何利用 C# 实现 误差反向传播 学习规则？
• 如何利用 C# 爬取带 Token 验证的网站数据？
• 如何利用 C# 向 Access 数据库插入大量数据？
• 如何利用 C# + Python 破解猫眼电影的反爬虫机制？