没有合适的资源?快使用搜索试试~ 我知道了~
首页台湾大学李宏毅《机器学习》 课程学习笔记.pdf
资源详情
资源评论
资源推荐

李宏毅《机器学习》大纲李宏毅《机器学习》大纲
主要是学习台湾大学李宏毅2017版《机器学习》课程的学习笔记
| 课程 | 文档&视频 | 文档视频更新时间 | 博客 | | :--- | :---: | :---: | :---: | | Introduction of this course | pdf,pptx | (2017/02/23) | | | Regression
|pdf,pptx,video | (2017/03/02) | | | Where does the error come from? | pdf,pptx,video | (2017/03/02, recorded at 2016/10/07) | | Gradient
Descent | pdf,pptx,video | (2017/03/09, recorded at 2016/10/07) | Classification: Probabilistic Generative Model | pdf, pptx, video | (2017/03/16,
recorded at 2016/10/07) | | | Classification: Logistic Regression | pdf, pptx, video | (2017/03/23, part of the video recorded at 2016/10/14) | | |
Introduction of Deep Learning | pdf, pptx, video | (2017/03/23, recorded at 2016/10/14) | | | Backpropagation | pdf, pptx, video | (2017/03/23) | | |
“Hello world” of Deep Learning | pdf, pptx, video | (2017/03/23) | | | Tips for Deep Learning | pdf, pptx, video | (2017/03/30) | | | Convolutional
Neural Network | pdf, pptx, video | (2017/04/06) | | | Why Deep? | pdf, pptx, video | (2017/04/06, recorded at 2016/11/04) | | | Semi-supervised
Learning | pdf, pptx, video | (2017/04/13, recorded at 2016/11/11) | | | Unsupervised Learning: Principle Component Analysis | pdf, pptx, video |
(2017/04/13, recorded at 2016/11/11) | | | Unsupervised Learning: Neighbor Embedding | pdf, pptx, video | (2017/04/20) | | | Unsupervised
Learning: Deep Auto-encoder | pdf, pptx, video | (2017/04/20) | | | Unsupervised Learning: Word Embedding | pdf, pptx, video | (2017/04/27) | | |
Unsupervised Learning: Deep Generative Model | pdf, pptx, video | (2017/04/27) | | | Transfer Learning | pdf, pptx, video | (2017/05/03) | | |
Recurrent Neural Network | pdf, pptx, video (part 1), video (part 2) | (recorded at 2016/12/30) | | | Matrix Factorization | pdf, pptx, video |
(2017/05/25) | | | Ensemble | pdf, pptx, video | (2017/05/25) | | | Introduction of Structured Learning | pdf, pptx, video (part 1), video (part 1) |
(2017/06/01) | | | Introduction of Reinforcement Learning | pdf, pptx, video | (2017/06/15) ||
以上链接都是转至 台湾大学的官网
视频内容也可以去bilibili上面看 李宏毅机器学习(2017)

目录
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-序列标注
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

机器学习介绍机器学习介绍
这门课,我们预期可以学到什么呢?我想多数同学的心理预期就是你可以学到一个很潮的人工智慧。我们知道,从今年开始,人工智慧这个词突然变
得非常非常非常的热门,讲大家、政府通都在讲人工智慧这个词。
但人工智慧是什么呢?人工智慧其实一点都不是新的词,人工智慧这个词、AI这个词、Artificial Intelligence这个词,在1950年代就有了。那这个词意
味着什么呢?这个词意味着一个人类长久以来的目标,希望机器可以跟人一样的聪明,那在科幻小说里面,我们看要很多这样的幻想和期待。但很长
段时间里面,人们并不知道怎么做到人工智慧这件事情,直到后来,大概1980年代以后,有了机器学习的方法。那么机器学习顾名思义,从名字就可
以被猜出,就是让机器具有学习的能力。所以机器学习跟人工智慧,他们之间什么关系呢?
人工智慧是我们想要达成的目标,而机器学习是想要达成目标的手段,希望机器通过学习方式,他跟人一样聪明。而深度学习和机器学习有什么关系
呢?深度学习就是机器学习的其中一种方法。
在有深度学习、机器学习之前,人们用什么样的方式来做到人工智慧这件事呢?我记得高中生物学告诉我们说,生物的行为取决于两件事,一个是后
天学习的结果,不是后天学习的结果,就是先天的本能。对于机器来说也是一样,他怎么样表现的有智慧,要么就是通过后天学习的手段表现的很有
智慧,要么就是他的先天的本能。机器为什么会有先天的本能,那可能就是他的创造者,其实都是人类,帮他事先设立好的。
那么先来看一下生物的本能,讲一个跟机器学习一点都没有关系的,生物的本能。这个是河狸,那河狸的特色呢,就是他会筑水坝把水挡起来。但是
河狸怎么知道要筑水坝呢?河狸筑水坝能力是天生的。也就是说,假设河狸他在实验室出生,他没有父母叫他怎么筑水坝。但是他一生下来,他心里
就有个冲动,就是他想要筑水坝。那如果我们要程序语言来描述他的话,他那的程序语言就是这样的:
If 他听到流水声
Then 他就筑水坝直到他听不到流水声。
所以呢,生物学家就可以欺负河狸,他就用一个扬声器来播放流水声啊,如果他把扬声器流放在水泥墙里面,然后河狸就会在水泥墙上面的放很多的
树枝,在水泥墙上面筑堤,想把扬声器的声音盖住。如果你把扬声器放在地上,河狸就会用树枝把他盖住直到你听不见扬声器的声音为止。这就是生
物的本能,那机器的本能跟生物的本能其实也很像。

假设有一天,你想要作一个chat-bot、如果你不是用机器学习的方式,而是给他天生的本能的话,那像是什么样子呢?你可能就会在这个chat-bot里
面,在这个聊天机器人里面的设定一些规则。这些规则我们通常称hand-crafted rules,叫做人设定的规则。那假设你今天要设计一个机器人,他可以
帮你打开或关掉音乐的话,那你的做法可能是这样,设立一条规则,就是写方程式,如果输入的句子里面看到turn off这个词汇,那chat-bot要做的事情
呢,就是把音乐关掉。这个时候呢,你之后对chat-bot说,please turn off the music 或can you turn off the music, please? 他就会帮你把音乐关掉。
看起来好像很聪明。人家就会觉得果然这就是人工智慧。但是如果你今天想要欺负chat-bot的话,你就可以说please don‘t turn off the music,但是他
还是会把音乐关掉。这是个真实的例子,你可以看看你身边有没有这种类似的chat-bot,然后你去真的对他说这种故意欺负他的话,他其实是会答错
的。这是真实的例子,但是不告诉他是哪家公司产品,这家公司也是号称他们做很多AI的东西的。不要让你发现是哪家产品免得被告。
用hand-crafted rules有什么样的坏处呢,他的坏处就是,你没办法,考虑到所有的可能性,他非常的僵化,而用hand-crafted rules创造出来的
machine,他永远没有办法超过创造他的人类。人类想不到东西,就没办法写规则,没有写规则,机器就不知道要怎么办。所以如果一个机器,他只能
够按照人类所设定好的hand-crafted rules,他就他这个行为都是被规定的,都没有办法freestyle。如果是这样的话,他就没有办法超越创造他的人
类。
那你可能会说,但是你好像看到很多chat-bot看起来非常的聪明,这些chat-bot,如果你是有个是一个非常大的企业,他给以派给成千上万的工程师,
他用血汗的方式来建出数以万计的规则,然后让他的机器看起来好像很聪明。但是对于中小企业来说,这样建规则的方式反而是不利的。所以我认为
机器学习发展,对比较小规模企业反而是更有利的,因为接下,不需要非常大量的人来帮你想各式各样的规则。只要手上有data,你可以机器来帮你
做这件事情,当然怎么收集data又是另外一个问题。

这不是我们今天要讨论的主题,那我知道说,因为AI这个词现在非常非常非常非常的热门,所以会有各式各样,奇奇怪怪的东西,我觉得现在非常经常
碰到的一个问题,也许可用以下这个漫画来说明,这是个四格漫画,而这个漫画并不是随随便便的一个四格漫画。
剩余555页未读,继续阅读





安全验证
文档复制为VIP权益,开通VIP直接复制

评论0