status
type
date
slug
summary
tags
category
password
icon
Total Videos
Link
Video Duration
本系列博客是台湾大学李宏毅教授的2022/2021版机器学习课程笔记，因为2023版课程相比22/21版过于简洁，仅适合科普使用。此系列博客仅为笔者学习记录之用，若要传播请点击下方链接获取原版课程PPT。
以下为该课程总结：
- 课程内容主要集中在深度学习技术上，但也会涉及到机器学习的其他关键技术和知识。
- 课程涵盖范围广泛，会涉及到机器学习的重要应用和概念，但不会深入讲解每个主题。
- 作业涵盖了计算机视觉、自然语言处理、语音处理和强化学习等多个领域。
- 课程不提供计算资源，但保证在Google Colab上可以通过。
国内用户请看：
什么是机器学习
机器学习（Machine Learning）简单来说就是找一个函数，但是要想找出某一个具体场景（语音识别，识图等）的这个函数会非常的复杂，所以我们希望通过机器的力量把这个函数找出来。
此课程将会聚焦在机器学习的深度学习（Deep Learning）领域，也就是使用类神经网络来找出一个函数。
机器是如何学习的
在了解了什么是机器学习后，下一个问题是：机器是如何找出一个函数的？
- 监督学习（Supervised Learning）
- 自监督学习（Self-supervised Learning）→ 预训练模型（Pre-train model）
- 生成对抗网络（Generative Adversarial Network）→ 无监督学习（Unsupervised Learning）
- 强化学习（Reinforcement Learning）
其他内容
- 异常检测（Anomaly Detection）
- 可解释的AI（Explainable AI）
- 模型攻击（Model Attack）
- 范围适应（Domain Adaptation）
- 模型压缩（Network Compression）
- 终身学习（Life-long Learning）
- 学习如何学习（Meta Learning）→ Few-shot Learning
- 作者:铃溪
- 链接:https://lingxi.mozzai.top/article/c21c26e6-ab99-48e5-8540-8b045c1bd205
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。
相关文章