⭐ 李宏毅2020机器学习资料汇总

更新进度：■■■■□□□□□□□□□□□□□□□□|25%

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

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。

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）