AI中国网 https://www.cnaiplus.com

在机器学习教育领域,台湾大学电机工程系助理教授李宏毅以鲜明的个人风格独树一帜。在课堂上,他经常用增强现实游戏「宝可梦 Go」举例,不仅语言风趣幽默,PPT 的可视化也做得非常用心。最重要的是,他的授课语言是中文(标准台湾普通话)。因此,不少人将其推荐为入门机器学习的首选课程。
李宏毅老师往期课程截图。
2、3 月份是新学期的开始,李宏毅老师也宣布了他的《机器学习》课程上新的消息。新课程从 2 月 26 日正式开始,6 月中旬正式结束,视频、PPT 都会上传到课程主页上。课程主页:https://speech.ee.ntu.edu.tw/~hylee/ml/2021-spring.html在内容方面,这门课程重点讲解的是深度学习。虽然深度学习是一门相对进阶的技术,但李宏毅老师表示,这仍然不会改变这门课「机器学习入门课」的属性,仍然会让绝大多数人听得懂,「你可以将它作为你机器学习的第一门课」。如果你还学过林轩田的《机器学习基石与技法》,你会发现这两门课其实可以很好地衔接。「从最基本的观念讲到最前瞻的技术」是这门课最重要的一个特色,从课程目录中我们也可以大致看出来:课程介绍
深度学习
自注意力
机器学习理论
Transformer
生成式模型
自监督学习
可解释 AI / 对抗攻击
域自适应 / 强化学习
量子机器学习
终身压缩
元学习

目前,课程主页已经上传了前两堂课的视频和 PPT。第一堂课(分两个小节)主要介绍机器学习和深度学习的基本概念。和往常不同的是,李宏毅老师在刚上课时就表示,自己会讲一个「和宝可梦完全没有关系的故事」。至于是什么故事,大家可以自己看:
第二堂课主要介绍深度学习的一些基本概念,如过拟合、局部最小值、鞍点、批次、动量等,帮你解答为什么有时候网络训练不起来,还会传授一些训练技巧。这堂课昨天才刚刚上传,现在去听应该还能抢到前排。
虽然是一门入门课程,但这门课也要求掌握一些数学、编程、硬件等方面的基础知识。在编程方面,课程会提供一些基于 Python 的范例代码,如果想在这门课中学得比较好,你需要能够读懂并修改这些范例代码。老师会默认你已经学过 Python 相关语法、套件。在硬件方面,所有的作业都可以在 Google Colab 上完成,无需自己配备 GPU 等硬件。
视频链接:https://www.youtube.com/watch?v=IHk7z51zOLw
李宏毅现任台湾大学电气工程助理教授,研究重点是机器学习,特别是深度学习领域。很多人选择的机器学习入门学习材料都是李宏毅老师的台大公开课视频。
因为经常把精灵宝可梦或凉宫春日等各种动漫作为算法案例,我们亲切地称他为「精灵宝可梦大师」。因为课程形象生动,又不缺数学推导的严谨,李宏毅老师的课程视频可以说是中文世界中最好的机器学习资源。李老师以幽默风趣的上课风格让很多晦涩难懂的机器学习理论变得轻松易懂,例如「史上第一次手推」循环神经网络计算过程,利用精灵宝可梦等形象生动地解释神经网络背地里到底都干了些什么。此外,课程会与时俱进,前年 ML 课程就新增了 Transformer、流模型 Glow 和对抗攻击等新内容。相信今年课程对最近流行的模型会有更多的介绍。AI中国网 https://www.cnaiplus.com
本文网址: