李宏毅《机器学习》学习计划

week 1

第1节: 引言(Introduction)
课件:lecture1
笔记:lecture1-note1
视频:
1.1 欢迎:Welcome to Machine Learning
1.2 为什么要学习机器学习?:Why learning ?
作业 Week1::
制定自己的学习计划,开通自己的学习博客,注册自己的github

week 2

第2节: 回归问题
课件:lecture2
笔记:lecture2-note2
视频:
2.1 回归:Regression
2.2 回归 Demo:Demo

第3节: 错误分析
课件:lecture3
笔记:lecture3-note3
视频:
2.3 错误从哪里来Error Handle

作业 Week2::
纯python线性回归


week 3

第4节: 梯度下降(Gradient Descent )
课件:lecture4
笔记:lecture4-note4
视频:
3.1梯度下降:Gradient Descent
3.2梯度下降Demo1:Gradient Descent Demo1
3.3梯度下降Demo2:Gradient Descent Demo2

作业 Week3::
PM2.5 预测


Week 4

第5节:分类:概率生成模型(Classification:Probabilistic Generative Model)
课件:lecture5
笔记:lecture5-note5
视频:
4.1分类:概率生成模型:Classification:Probabilistic Generative Model

第6节:分类:逻辑回归(Logistic Regression)
课件:lecture6
笔记:lecture6-note6
视频:
4.2分类:逻辑回归:Logistic Regression

作业 Week4:: 收入预测Winner or Loser


Week 5

第7节:深度学习简介(Introduction to Deep learning)
课件:lecture7
笔记:lecture7-note7
视频:
5.1 深度度学习简介:Introduction to Deep learning
5.2 反向传播算法:Back Prppagation)

第8节:“Hello world” of Deep learning 课件:lecture8
笔记:lecture8-note8
视频:
5.1 DeepLearning Demo
5.2 Keras Demo:Demo
5.2 Keras Demo1:Demo1

第9节:深度学习技巧 Deep learning tips
课件:lecture9
笔记:lecture8-note9
视频:
5.3 DeepLearning tips
5.4 Keras Demo2:Demo2

作业 Week5::
(1)深度神经网络Keras实现手写数字识别 (2)(预习选做)卷积神经网络Keras实现手写数字识别


Week 6

第10节:卷积神经网络(CNN) 课件:lecture10
笔记:lecture10-note10
视频:
6.1 卷积神经网络:CNN

第11节:为什么要深度学习(Why Deep) 课件:lecture11
笔记:lecture11-note11
视频:
6.2 为什么要深度学习:CNN

作业 Week6::
面部情绪分类Image Classification)


Week 7

第12节:循环神经网络(RNN) 课件:lecture12
笔记:lecture12-note12
视频:
7.1 循环神经网络:RNN

第13节:循环神经网络(LSTM、GRU) 课件:lecture13
笔记:lecture13-note13
视频:
7.2 循环神经网络:LSTM,GRU

作业 Week7:: Twitter文本情绪分类Text Sentiment)


Week 8

第14节:迁移学习 课件:lecture14
笔记:lecture14-note14
视频:
8.1 迁移学习:Transfer learning

第15节:强化学习(Reinforcement learning) 课件:lecture15
笔记:lecture15-note15
视频:
8.2 强化学习:Reinforcement learning

作业 Week8:: 小车爬山Car hill

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,658评论 6 496
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,482评论 3 389
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 160,213评论 0 350
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,395评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,487评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,523评论 1 293
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,525评论 3 414
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,300评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,753评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,048评论 2 330
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,223评论 1 343
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,905评论 5 338
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,541评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,168评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,417评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,094评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,088评论 2 352

推荐阅读更多精彩内容