大鱼AI🐟 ：李宏毅机器学习(台湾大学)

课程资料

1. 课程主页
2. 课程笔记
3. 课件百度云下载
4. 课程视频
5. 环境配置Anaconda
6. Jupyter NoteBook配置
7. Anaconda加速下载镜像
8. 作业
9. 比赛环境推荐使用Linux或者Mac系统，以下环境搭建方法皆适用:
   Docker环境配置
   本地环境配置

重要一些的资源：

1. Dr.Wu 博客71篇(机器学习、深度学习、强化学习、对抗网络)
2. Dr.Wu 本人知乎
3. 深度学习经典论文
4. 深度学习斯坦福教程
5. 廖雪峰python3教程
6. github教程
7. 莫烦机器学习教程
8. 深度学习经典论文
9. 机器学习代码修行100天
10. 吴恩达机器学习新书：machine learning yearning
11. 自上而下的学习路线: 软件工程师的机器学习

1. 前言

Â

中文世界中最好的机器学习课程！

李宏毅老师的机器学习和深度学习系列课程，是中文世界中最好！课程中有深入浅出的讲解和幽默生动的比喻（还有口袋妖怪哦）。关键一切都是中文的！（除了

^_^）

本课程李宏毅老师的机器学习核心内容带学，作业讲解。主要包括：

（一）监督学习（回归、分类、BP反向传播、梯度下降）

（二）无监督学习（AutoEncoder、Neighbor Embedding、Deep Generative Model）

（三）迁移学习 （Transfer learning）

（四）结构化学习（Structure learning）

本课程每课都有课件，每周都有配套作业代码，十分推荐推荐学习。

2.数学知识复习

1.线性代数
2.概率论
3.凸函数优化
4.随机梯度下降算法

中文资料：

• 机器学习中的数学基本知识
• 统计学习方法
  大学数学课本（从故纸堆里翻出来^_^）

3.编程工具

大鱼谷歌python训练营：

• 谷歌python

斯坦福资料：

• Python复习

4. 中文书籍推荐：

• 《机器学习》周志华

• 《统计学习方法》李航

• 《机器学习课》邹博

5. 学习安排

本课程需要8周共15节课， 每周具体时间划分为4个部分:

• 1部分安排周一到周二
• 2部分安排在周四到周五
• 3部分安排在周日
• 4部分作业是本周任何时候空余时间
• 周日晚上提交作业运行截图
• 周三、周六休息^_^

6.作业提交指南：

7.学习安排

一、整体学习路线

二、整体学习分解脑图 三、具体学习计划

week 1

学习准备
知识点复习
学习组队

第1节： 引言(Introduction)
课件：lecture1
笔记：lecture1-note1
视频：
1.1 欢迎:Welcome to Machine Learning
1.2 为什么要学习机器学习？:Why learning ？
作业 Week1： 制定自己的学习计划，开通自己的学习博客，注册自己的github:如操作手册

---

week 2

第2节： 回归问题
课件：lecture2
笔记：lecture2-note2
视频：
2.1 回归:Regression
2.2 回归 Demo:Demo

第3节： 错误分析
课件：lecture3
笔记：lecture3-note3
视频：
2.3 错误从哪里来Error Handle

作业 Week2：:
纯python实现CEO的的利润预测

---

week 3

第4节： 梯度下降(Gradient Descent )
课件：lecture4
笔记：lecture4-note4
视频：
3.1梯度下降:Gradient Descent
3.2梯度下降Demo1:Gradient Descent Demo1
3.3梯度下降Demo2:Gradient Descent Demo2

作业 Week3：:
PM2.5回归预测

---

Week 4

第5节：分类：概率生成模型（Classification：Probabilistic Generative Model）
课件：lecture5
笔记：lecture5-note5
视频：
4.1分类：概率生成模型:Classification：Probabilistic Generative Model

第6节：分类：逻辑回归（Logistic Regression）
课件：lecture6
笔记：lecture6-note6
视频：
4.2分类：逻辑回归:Logistic Regression

作业 Week4：:

收入预测Winner or Loser

---

Week 5

第7节：深度学习简介(Introduction to Deep learning)
课件：lecture7
笔记：lecture7-note7
视频：
5.1 深度度学习简介:Introduction to Deep learning
5.2 反向传播算法：Back Prppagation

第8节：“Hello world” of Deep learning
课件：lecture8
笔记：lecture8-note8
视频：
5.1 DeepLearning Demo
5.2 Keras Demo：Demo
5.2 Keras Demo1：Demo1

第9节：深度学习技巧 Deep learning tips
课件：lecture9
笔记：lecture8-note9
视频：
5.3 DeepLearning tips
5.4 Keras Demo2：Demo2

作业 Week5：:
深度神经网络Keras实现手写数字识别

---

Week 6

第10节：卷积神经网络(CNN)
课件：lecture10
笔记：lecture10-note10
视频：
6.1 卷积神经网络:CNN

第11节：为什么要深度学习（Why Deep)
课件：lecture11
笔记：lecture11-note11
视频：
6.2 为什么要深度学习:Why Deep

作业 Week6：:
卷积神经网络CNN实现手写数字识别

---

Week 7

第12节：循环神经网络(RNN)
课件：lecture12
笔记：lecture12-note12
视频：
7.1 循环神经网络:RNN

第13节：循环神经网络（LSTM、GRU)
课件：lecture13
笔记：lecture13-note13
视频：
7.2 循环神经网络:LSTM，GRU

作业 Week7：: Twitter文本情绪分类Text Sentiment

---

Week 8

第14节：迁移学习 课件：lecture14
笔记：lecture14-note14
视频：
8.1 迁移学习:Transfer learning

第15节：强化学习（Reinforcement learning)

课件：lecture15
笔记：lecture15-note15
视频：
8.2 强化学习:Reinforcement learning

---

课程大作业：Kaggle 泰坦尼克号

联系我们：

官网：点击进入
官方公众号：