大神李宏毅“机器学习”课程集结成书,Datawhale新书出版了! GitHub上持续火爆的《LeeDL-Tutorial》项目,一发布就迅速获得了11.4K的星星!这个项目基于李宏毅老师“机器学习”课程,课程全网超过百万播放量,如今Datawhale新书 《深度学习详解》终于… 人民邮电出版社 【视频+PPT】2021李宏毅老师40节机器学习课程已更新完毕! Py...
Kaggle 对 testing data 做了划分(怎么划分的不会告诉你),一部分用作 public leaderboard,提交结果即反馈分数;一部分用作 private leaderboard,比赛结束后才会公布分数。 如果用 public leaderboard 的结果来选模型,无形中就是在学习 public testing set 的信息:哪一种模型在 public testing set 上表现好,我就选哪个。
李宏毅机器学习第五周—sequence to sequence Seq2seq 模型应用广泛,尤其是在自然语言处理任务中,例如:语音识别,语音生成,语音翻译,聊天机器人等等还可以用来解决QA任务。 应用 Syntactic Parsing(语法分析) 将句子通过树的形式转化为序列。 Multi-label Classification(多标签分类) Multi-class classification 一个物品可...
一、机器学习的可解释性(上):Local Explanation 1、当给机器看一张图片的时候,是哪个部位让机器觉得这是“某个东西”呢? 移动灰色方块进行不同部位的遮挡,看机器是否还认为是True Label的物体 下图来自论文-visualizing and understanding convolutional networks(2014) 改变输入图片的像素值,看它对结果e(cross entropy...
台湾大学李宏毅老师的机器学习课程是一份非常好的ML/DL入门资料,李宏毅老师将课程录像上传到了YouTube,地址:NTUEE ML 2016。 这篇文章是学习本课程第4-6课所做的笔记和自己的理解。 Lecture 4: Classification: Probabilistic Generative Model ...
本文作为自己学习李宏毅老师2021春机器学习课程所做笔记,记录自己身为入门阶段小白的学习理解,如果错漏、建议,还请各位博友不吝指教,感谢!! 一、Machine Learning概念理解 Machine Learning主要的任务是寻找一个合适的Function来完成我们的工作(非常不严谨的简单理解),如上图中的Image Recognition,就是要寻找一个合适的...
以上对Seq2Seq和Attention的机制进行了一个宏观的概述,不同的实现中会遇到不同的细节,这里以李宏毅老师的机器学习中的版本为例,对细节进行一下梳理,以便coding的顺利进行n。 在李老师的PPT中可以找到上图的每一步的详细步骤,这里不再赘述。下面结合核心代码对过程进行详细的解读,一下是未使用attention与beam-search...
感谢李宏毅老师的分享,他的课程帮助我更好地学习、理解和应用机器学习。李老师的网站: http://speech.ee.ntu.edu.tw/~tlkagk/index.html。 这个学习笔记是根据李老师2017年秋季机器学习课程的视频和讲义做的记录和总结。因为这个视频是在Youtube上面,有些朋友可能无法观看,我把它搬运下来放在云盘上面,大家点击阅读...
李宏毅2020机器学习(ML)课程笔记之course intro 机器学习就是自动找函式 regression:输入数值,输出也是数值 regression 一种办法是先给数据打标签,即让机器知道正确的答案长什么样 损失函数 五个与监督学习有关的部分 无监督学习 机器如何对抗外界干扰?
2.《LeeML-Notes》李宏毅机器学习笔记 LeeML-Notes 是 Datawhale 开源组织自《机器学习南瓜书》后的又一开源学习项目,由团队成员王佳旭、金一鸣牵头,8 名成员历时半年精心打磨而成,实现了李宏毅老师机器学习课程内容的 100% 复现,并且在此基础上补充了有助于学习理解的相关资料和内容,对重难点公式进行了补充推导。期间...