李宏毅机器学习课程笔记

2021李宏毅机器学习课程笔记——Auto Encoder

标签：划水

注：这个是笔者用于期末复习的一个简单笔记，因此难以做到全面详细，有疑问欢迎大家在评论区讨论 https://speech.ee.ntu.edu.tw/~hylee/ml/ml2021-course-data/auto_v8.pptx I. Basic Idea 简单来说，Auto Encoder...

李宏毅机器学习课程笔记2：Classification、Logistic Regression、Brief Introduction of Deep Learning

标签：李宏毅机器学习课程

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: ...

李宏毅机器学习（一）：机器学习基础

标签：机器学习人工智能 python

所以实现上每次会先选一个批量，用该批量来算 L1，根据 L1 来算梯度，再用梯度来...具体来讲，机器学习就是让机器具备找一个函数的能力。，隐藏层和输出层的神经元有输入的数据计算后输出，输入层的神经元只是输入。

【李宏毅机器学习课程笔记（补）】深度强化学习（一）—— 深度强化学习浅析

标签：深度学习强化学习

前言：这篇笔记的内容按照强化学习部分正常的Learning Map来说，是应该放在PPO、Q-Learning等算法前面的，所以在标题这里加了一个（补），代表这篇笔记是后来补发的（学习的时候把笔记记到纸质本子上了…现在相当于...

机器学习笔记（李宏毅 2021/2022）——第一节：基本概念

标签：机器学习人工智能 python

台大教授李宏毅老师的机器学习课程笔记

李宏毅机器学习笔记——回归

标签：机器学习深度学习人工智能

课程基于李宏毅老师《机器学习》同时感谢DatawhaleLeeML-Notes的组队学习——五月班级目录模型设计步骤 1.模型假设 2.模型评估 3.模型优化对单个步骤进行优化总结模型设计步骤 1.模型假设，主要选择...

李宏毅机器学习笔记

标签：深度学习

83.Transfer learning是机器学习的一个分支，中文名曰迁移学习，它的目的是在获取一定的额外数据或者是存在一个已有的模型的前提下，将其应用在新的且有一定相关性的task。我们可以将做transfer learning的数据分成...

李宏毅-机器学习-RNN-笔记

标签：机器学习 rnn 人工智能

李宏毅-机器学习课程-笔记

李宏毅机器学习

标签：李宏毅机器学习

李宏毅机器学习，包含笔记，课件，作业。内容全面，仅供学习。

2021李宏毅机器学习课程笔记——Adversarial Attack

标签：划水

从某种角度来说，深度学习模型可以简单理解为各种各样的矩阵乘给叠在一起。以图像分类为例，输入的图像也是一个矩阵，那么，实际上就有可能对输入图像作出一些微小的数值上的修改(肉眼不可见的)，但是却能造成网络...

李宏毅机器学习作业

标签：李宏毅机器学习作业

李宏毅机器学习作业，文档文件，笔记全面，总结充分，仅供学习

李宏毅-2023春机器学习 ML2023 SPRING-学习笔记：3/3 机器学习基本概念介绍

标签：机器学习学习笔记

机器学习 ≈ 机器自动寻找一个函数f例如：chatGPT：输入：“什么是机器学习”通过函数f，输出：“机”Midjournery：输入：一只可爱的猫，通过函数f，输出：一张猫猫图片Regression（回归）与Classification（分类）...

［李宏毅机器学习笔记］

标签：机器学习

机器学习李宏毅学习笔记1

标签：机器学习学习笔记

学习李宏毅老师机器学习

2021李宏毅机器学习课程笔记——Recurrent Neural Network

标签：划水

注：这个是笔者用于期末复习的一个简单笔记，因此难以做到全面详细，有疑问欢迎大家在评论区讨论 I. Basic Idea 首先引入一个例子，槽填充(Slot Filling)问题： Input： I would like to arrive Guangzhou on ...

【李宏毅机器学习课程笔记】深度强化学习（四）—— Actor-Critic

标签：深度学习强化学习算法

文章目录Asynchronous advantage actor-critic（A3C) Asynchronous advantage actor-critic（A3C)

李宏毅机器学习笔记：RNN循环神经网络

标签：机器学习笔记 rnn

第3个输入为[2,2]，结合前一个memory的输入为[6,6]，这个时候hidden layer的输出为[16,16]，output为[32,32]。这个时候结合前一个memory的输出[2,2]，hdden layer的输出为[6,6]，output为[12,12]。...

【DL】2 Attention入门——李宏毅机器学习课程笔记

标签：机器学习人工智能 attention

由RNN和Attention条件生成1. Generation2. Attention3. Tips for Generation4. Pointer Network 视频链接 1. Generation 按组件生成结构化对象组件(Generating a structured object component-by-component) ...

【DL】3 Transformer入门——李宏毅机器学习课程笔记

标签：人工智能神经网络机器学习

Transformer1. 为什么要使用Self-attention？2. Self-Attention2.1 基本思想2.2 平行化(矩阵)计算2.3 Multi-head Self-attention2.4 Positional Encoding3. Transformer结构4. Attention可视化5....

【李宏毅机器学习课程笔记】深度强化学习（五）—— Sparse Reward

标签：深度学习算法强化学习

文章目录IntroductionReward ShapingCuriosityCurriculum LearningHierarchical Reinforcement Learning Introduction 在使用Reinforcement Learning来构造agent时，多数情况下这个agent是得不到任何Reward的。...