李宏毅 - 课程笔记及作业解答 - 汇总 -- 更新中

1. 机器学习课程 ML

课程笔记：

章节	简介
1 - Introduction & next step	机器学习介绍 & 机器学习下一步
2 - Regression + Demo	回归 & 示例代码
3 - Bias & Variance	偏差和方差
4 - Gradient Descent	梯度下降方法
5 - Classification	分类
6 - Logistic Regression	对数几率回归(逻辑回归)
7 - Deep Learning	深度学习介绍
8 - Backpropagation	反向传播
9 - Keras Demo	Keras代码示例
10 - Tips for Training DNN	深度学习技巧
11 - Keras Demo2 & Fizz Buzz	Keras代码优化
12 - CNN	卷积神经网络
13 - Why Deep	为什么要用深度学习
14 - Simi Supervised Learning	半监督学习
16 - Word Embedding	词嵌入表示
18 - Auto Encoder	自编码器
Explainable ML	可解释性机器学习
Transformer	Transformer及注意力机制
ELMO、BERT、GPT	ELMO、BERT、GPT-2、ERNIE

课后作业：

Week 1: 矩阵运算，图片操作

Week 2: CEO利润预测

论文阅读：

An overview of gradient descent optimization algorithms

参考资料：

李宏毅 2017 机器学习课程，哔哩哔哩

李宏毅 2019 机器学习前沿内容，哔哩哔哩

datawhale LeeML-Notes

李宏毅 课程目录

2. 人类语言处理课程 DLHLP

课程笔记：

章节	简介
1 - Introduction	人类语言处理介绍
2 - Token	语音及文本表示
3 - LAS	LAS
4 - CTC, RNN-T, more	CTC, RNN-T, more
5 - HMM	HMM

参考资料：

李宏毅《深度学习人类语言处理》国语(2020) 哔哩哔哩

李宏毅 DLHLP 2020 课程主页