不可错过!台湾清华大学吴尚鸿教授最新《大规模机器学习》2020教程,附教程地址
新智元
共 1595字,需浏览 4分钟
·
2020-11-10 15:14
新智元报道
新智元报道
来源:专知
编辑:SF
【新智元导读】台湾国立清华大学吴尚鸿副教授主讲的《大规模机器学习》教程,内容包括深度学习概述与学习理论。课程还对一些流行的机器学习库,如Scikit-learn和Tensorflow 2.0将被使用并详细解释。
来自台湾国立清华大学吴尚鸿副教授主讲的《大规模机器学习》教程,内容包括深度学习概述与学习理论。
本课程介绍深度学习的概念和实践。课程由三个部分组成。在第一部分中,我们快速介绍了经典机器学习,并回顾了一些需要理解深度学习的关键概念。在第二部分中,我们将讨论深度学习与经典机器学习的不同之处,并解释为什么它在处理复杂问题如图像和自然语言处理时是有效的。我们将介绍各种CNN和RNN模型。在第三部分,我们介绍了深度强化学习及其应用。
本课程也提供了编程的实验。在整个课程中,我们将使用Python 3作为主要的编程语言。一些流行的机器学习库,如Scikit-learn和Tensorflow 2.0将被使用并详细解释。
本课程也提供了编程的实验。在整个课程中,我们将使用Python 3作为主要的编程语言。一些流行的机器学习库,如Scikit-learn和Tensorflow 2.0将被使用并详细解释。
目录内容:
Introduction 引言
Linear Algebra 线性代数
Data Exploration & PCA (Bonus) 数据探索
Probability & Information Theory 概率与信息理论
Decision Trees & Random Forest (Bonus) 决策树与随机森林
数值优化 Numerical Optimization
感知器 Perceptron & Adaline (Bonus)
回归 Regression (Bonus)
学习理论与正则 Learning Theory & Regularization
正则化 Regularization
概率模型 Probabilistic Models
线性回归与度量 Logistic Regression & Metrics
非参数方法 Non-Parametric Methods & SVMs (Suggested Reading)
支持向量机 SVMs & Scikit-Learn Pipelines (Bonus)
交叉验证 Cross Validation & Ensembling (Suggested Reading)
集成 CV & Ensembling (Bonus)
预测 Predicting News Popularity
大规模机器学习 Large-Scale Machine Learning
深度神经网络设计 Neural Networks: Design
神经网络 Neural Networks from Scratch (No Assignment)
TensorFlow 101 (No Assignment)
神经网络 Neural Networks: Optimization & Regularization
Word2Vec
卷积神经网络 Convolutional Neural Networks
Convolutional Neural Networks & Data Pipelines
循环神经网络 Recurrent Neural Networks
视频教程地址
https://nthu-datalab.github.io/ml/
评论