⭐ 李宏毅2020机器学习资料汇总

更新进度:■■■■□□□□□□□□□□□□□□□□|25%

文章目录

  • 前言
  • 储备知识
  • 资料
  • 学习路线
  • 作业
  • 笔记

前言

可能受到新冠病毒的影响,台大也开始了网课教学。李宏毅上传了2020版本的机器学习视频,可以说是非常好的学习资料(尽管其中多数都是2017、2019的视频,但有部分更新)。

和吴恩达的CS229机器学习相比,中文版本的机器学习显得亲民了许多,李宏毅的机器学习是英文的ppt+中文讲解,非常有利于大家入门。吴恩达的CS229中偏向于传统机器学习(线性回归、逻辑回归、Naive Bayes、决策树、支持向量机等),李宏毅2020版本的机器学习中除了最前面的回归、分类,后面更多篇幅涉及卷积神经网络(CNN)、循环神经网络(RNN)、强化学习(RL)等深度学习的内容,不过,似乎b站上也有他的深度学习的课程,具体差异此后再说。

2020年版与2017年版、2019年版较为类似,不同的是2019年版用到了keras这一深度学习框架,而2020年版用到了pytorch。近年来,pytorch在计算机会议论文中占比也逐渐增加。鉴于博主最近做课题需要学习pytorch,李宏毅的2020年版机器学习资料确实非常合适。

李宏毅的机器学习中多处用到了宝可梦(神奇宝贝)、凉宫春日等二次元元素进行举例,对于博主这个伪·二次元来说,学习上没有太大困难。虽然宝可梦、凉宫春日等例子并不影响你的学习,但是博主觉得:如果对它们完全不了解的话,去理解一个陌生的东西可能会比理解猫猫狗狗困难(笑)。对于二次元来说,倒是有种亲切感。

这个教学视频里面还用到一些游戏举例子,可以说是一个非常有趣的机器学习视频,一旦打开可能就会忍不住学下去(实际上大部分人都是收藏,想着以后再看,然后再也没看过) 。有条件的话,建议大家系统学习。博主之前都是需求驱动型学习,导致很多东西都是一知半解。目前看的这个视频带来了一些新的思考,比如梯度下降的原理、验证集和测试集的正确使用方法等,很有帮助。


储备知识

Q:我没有学习过机器学习,需要有什么储备知识?
A:

  1. 高等数学:涉及导数、偏微分、泰勒展开等,建议系统学习。
  2. 线性代数:涉及向量、协方差矩阵等,建议系统学习。
  3. 概率统计:涉及贝叶斯公式、高斯分布、极大似然估计等,夸张点说,机器学习本质是概率统计。建议先学习高数、线性代数,再系统学习。
  4. 计算机相关:python,jupyter notebook,anaconda,pyenv,github,kaggle,linux基本指令

资料

  1. 李宏毅的课程网页:点击此处跳转
  2. b站有全套视频的搬运:BV1JE411g7XF,也可以点击此处跳转
  3. 2020版课后作业范例和作业说明:点击此处跳转
  4. 附上别人的github学习笔记:点击此处跳转
  5. 挂掉后的数据集备份:
    链接: https://pan.baidu.com/s/1pIdkSjvtkek8_OGUtD7zMA 提取码: v5rb

学习路线

⭐ 李宏毅2020机器学习资料汇总_第1张图片
这一张可以在李宏毅的课程首页上找到,点开b站视频p1可以了解详情。每一个符号代表一个作业,用到pytorch的框架,博主后续可能会更新自己的作业进度(敦促自己赶紧学习),作业提交主要都在kaggle这个平台。

⭐ 李宏毅2020机器学习资料汇总_第2张图片
在李宏毅的课程首页上的表格,作业、PPT,目前已经全部发布了,还会有助教说明作业的video,如果你打不开网页,请见上方资料3的作业搬运。

作业

博主用的是 win10系统,作业的完成基于 jupyter notebook,博主建议利用 Anaconda 创建的虚拟环境来管理 python 版本和相关库,以免覆盖已有的 python 版本。作业中用到的是python3,建议安装python3及其相关库。

相关资料:

  1. Anaconda详细安装及使用教程(带图文)
  2. Anaconda常用命令
  3. Jupyter Notebook介绍、安装及使用教程
    链接挂掉后的备用资料:Jupyter Notebook安装和使用详情
  4. 如何在jupyter notebook下使用anaconda虚拟环境
  5. pytorch官方教程中文版
  6. pytorch官方教程英文版(打开较慢)
序号 主题 完成情况 完成时间
1 Linear Regression ✔️ 查看详情 2020/04/10
2 Classification ✔️ 查看详情 2020/04/14
3 CNN ✔️ 查看详情 2020/04/26
4 RNN ✔️ 查看详情 2020/07/30
5 Explainable AI
6 Adversarial Attack
7 Network Compression
8 Seq2Seq
9 Unsupervised Learning
10 Anomaly Detection
11 GAN
12 Transfer Learning
13 Meta Learning
14 Life-long Learning
15 Reinforce Learning

笔记

根据b站视频的顺序,简单记录一下每个视频讲了些什么,便于搜索或者跳过。另外,博主会在引用部分中强调一些平时会忽视的点。基本都是2019版及之前的视频,如果有新的,就会标注出来;如果是旧的,就不额外赘述了。

如果你想看视频的文字版,建议去资源4的github学习笔记。

  1. ⭐ 李宏毅2020机器学习课程笔记(一):视频P1-P16的课程梗概
  2. ⭐ 李宏毅2020机器学习课程笔记(二):视频P17-的课程梗概


最后,如果觉得不错,可以小小地赞赏一下(纯自愿)
⭐ 李宏毅2020机器学习资料汇总_第3张图片

你可能感兴趣的:(#,李宏毅机器学习)