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

共 1595字,需浏览 4分钟

 ·

2020-11-10 15:14



  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/








浏览 42
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报