李宏毅课程-机器学习

课节1 机器学习介绍
1.机器学习介绍
2.为什么要学机器学习

 

课节2 回归
1.回归-案例学习
2.回归-演示
3.误差从何处来
4.项目-PM2.5预测

 

课节3 梯度下降
1.梯度下降
2.梯度下降（用AOE演示）
3.梯度下降（用Minecraft演示）

 

课节4 分类
1.分类-概率生成模型
2.分类-Logistic回归
3.项目-年收入判断

 

课节5 支持向量机
1.支持向量机

 

课节6 集成学习
1.集成学习

 

课节7 深度学习预备
1.深度学习简介
2.反向传播
3.训练DNN的技巧
4.为什么要"深度学习"
5.Paddle教学

 

课节8 卷积神经网络
1.卷积神经网络
2.项目-食物图片分类

 

课节9 循环神经网络
1.循环神经网络（上）
2.循环神经网络（下）
3.项目-语句分类

 

课节10 半监督学习
1.半监督学习

 

课节11 无监督学习
1.无监督学习-线性降维
2.无监督学习-词语嵌入
3.无监督学习-领域嵌入
4.无监督学习-自编码器

 

课节12 深度生成模型
1.深度生成模型（上）
2.深度生成模型（下）

 

课节13 迁移学习
1.迁移学习
2.项目-迁移学习