B站：李宏毅2020机器学习笔记 1 —— 介绍+目录

有些路注定无伴而行
也无路可退
退一步不仅前功尽弃
而且也会失去一个真正塑造自我的机会
现在唯一能做的就是持续不断的自我更新
在有限的时间内不断地往大脑里塞足够多知识
只等待质变的那一刻
长远来看
这段时间大概就像历史演变循环论的那段低谷期吧
势必得撑过去
质变不来
便誓不罢休

• 立flag：坚持看完整部视频，做好笔记。
• 超链接随着学习进度进行更新
• 李宏毅课程网页：https://speech.ee.ntu.edu.tw/~hylee/ml/2020-spring.php

一、机器学习基础概念 (往下翻)

二、回归 Regression
https://blog.csdn.net/xczjy200888/article/details/124094074
regression 回归：找到一个函数，输出是一个数值，就叫回归。

三、梯度下降 Gradient Descent
https://blog.csdn.net/xczjy200888/article/details/124241842
梯度下降章节 可结合 反向传播章节 一起学习。
反向传播是为了有效的计算梯度值，梯度下降算法是为了优化学习参数。

四、深度学习优化 Optimization for Deep Learning
https://blog.csdn.net/xczjy200888/article/details/124313979
略不同于B站视频顺序，部分深度学习的简介和技巧内容放在这章节的前半部分。

五、分类Classification和逻辑回归Logistic Regression
https://blog.csdn.net/xczjy200888/article/details/126469553
classification 分类：找到一个函数，输出是类型，比如正面/负面。

六、反向传播 Backpropagation
https://blog.csdn.net/xczjy200888/article/details/127024366

七、半监督/无监督学习 Semi-superviced / Unsuperviced Learning

八、卷积神经网络 Convolutional Neural Network

九、递归神经网络 Recurrent Neural Network

十、图神经网络 Graph Neural Network

十一、可解释机器学习 Explainable ML

十二、攻击机器学习模型 Attack ML Models

十三、网络压缩 Network Compression

十四、无监督学习（自编码器） Auto-encoder

十五、异常检测 Anomaly Detection

十六、生成对抗网络 Generative Adversarial Network

十七、元学习 Meta Learning
meta learning = learn to learn 学习如何学习

十八、终身学习 Life Long Learning

十九、强化学习 Deep Reinforcemen Learning

一、机器学习基础概念

机器学习：找一个函数，输入得到输出。

机器学习包含 regression回归， classification分类，generation生成

1. 你想要找什么函数？

• regression 回归：找到一个函数，输出是一个数值，就叫回归。
• classification 分类：找到一个函数，输出是类型，比如正面/负面。
  • binary classification 两种类型的分类
  • multi classification 多种类型的分类
• generation 生成：产生有结构的复杂东西

2. 怎么告诉机器你想要找什么样的函数？

• supervised learning监督学习：训练集带标签label，设定函数的loss
• reinforcement learning强化学习：机器自己学习

在network architecture架构中寻找函数：RNN递归神经网络，CNN卷积神经网络