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