李宏毅机器学习课程2019目录翻译

视频地址

P1	ML Lecture0	机器学习介绍
P2	ML Lecture1	逻辑回归案例学习
P3	ML Lecture1	逻辑回归的例子
P4	ML Lecture2	误差从哪来
P5	ML Lecture3-1	梯度下降
P6	ML Lecture3-2	梯度下降（以AOE为例）
P7	ML Lecture3-2	梯度下降（以Minecraft为例）
P8	ML Lecture4	分类
P9	ML Lecture5	逻辑回归
P10	ML Lecture6	对于深度学习的简短介绍
P11	ML Lecture7	反向传播
P12	ML Lecture8-1	深度学习的“Hello world”
P13	ML Lecture8-2	Keras2.0
P14	ML Lecture8-3	Keras的例子
P15	ML Lecture9-1	训练DNN的技巧
P16	ML Lecture9-2	Keras的例子2
P17	ML Lecture9-3
P18	ML Lecture10	卷积神经网络
P19	ML Lecture11	为什么是“深度”
P20	ML Lecture12	半监督
P21	ML Lecture13	无监督学习——线性方法
P22	ML Lecture14	无监督学习——Word Embedding
P23	ML Lecture15	无监督学习——Neighbor Embedding
P24	ML Lecture16	无监督学习——自编码器
P25	ML Lecture17	无监督学习——深度生成模型（I）
P26	ML Lecture18	无监督学习——深度生成模型（II）
P27	ML Lecture19	迁移学习
P28	ML Lecture20	支持向量机
P29	ML Lecture21-1	循环神经网络（I）
P30	ML Lecture21-2	循环神经网络（II）
P31	ML Lecture22
P32	ML Lecture23-1	深度强化学习
P33	ML Lecture23-2	策略梯度（补充说明）
P34	ML Lecture23-3	强化学习（包括Q-learning）
P35	ML Structured Learning1	（结构化预测）介绍
P36	ML Structured Learning2	线性模型
P37	ML Structured Learning3	结构化SVM
P38	ML Structured Learning4	序列标注