2022-机器学习(李宏毅)视频笔记(一)

李宏毅2021/2022春机器学习课程-哔哩哔哩
Machine Learning = Looking for Function

课程概论

课程着重于**Deep Learning，对应函数为Neural Network。函数的输入可以是向量、矩阵或者序列；函数的输出可以是数值、类别甚至是文章。输出可用以实现回归、分类等。
1、Lecture 1-5：监督学习【缺点：数据收集耗费人工】
2、Lecture 7： 半监督学习【先进行Pre-Train(Foundation Model) (?BERT 模型)再完成Downstream Tasks。】
3、Lecture 6 ：Generative Adversarial Network【不需要 input x和output y成对出现。】
4、Lecture 12：强化学习
5、Lecture 8： Anomaly Detection （异常监测）
6、Lecture 9: Explainable AI （可解释性）
7、 Lecture 10 :Model Attack (模型攻击)
8、 Lecture 11 : Domain Adaptation【机器学习通常会假设训练数据和测试数据的分布类似，Domain Adaptation可以解决当训练数据和测试数据不同分布的情形。】
9、Lecture 13 ：Network Compression【模型压缩】
10、Lecture 14：Life-Long Learning
11、 Lecture 15 : Meta Learning 【Few-shot Learning is usually achieved by meta-learning。】