李宏毅機器學習完整筆記發佈，AI界「最熱視頻博主」中文課程筆記全開源

提起李宏毅老師，熟悉機器學習的讀者朋友必定不會陌生。不少人選擇的機器學習入門學習材料都是李宏毅老師的臺大公開課視頻。如今，機器學習愛好者有更完善的學習資料了。來自 Datawhale 的朋友整理、總結了李宏毅老師的機器學習視頻教程，添加了課程筆記，實現了課程內容的完整復現。目前項目已徹底開源，包括課程內容和復現代碼，供你們使用。

目錄

1.李宏毅機器學習簡介

2.《LeeML-Notes》李宏毅機器學習筆記

3.《LeeML-Notes》學習筆記框架

4.筆記內容細節展現

a. 對梯度降低概念的解析

b. 爲何須要作特徵縮放

c. 隱形馬爾科夫鏈的應用

5.代碼呈現

a. 迴歸分析

b. 深度學習

6.做業展現

7.交流互動

8.開源地址

9.配套視頻

1. 李宏毅機器學習簡介

李宏毅老師現任臺灣大學電氣工程助理教授，研究重點是機器學習，特別是深度學習領域。他有一系列公開的機器學習課程視頻，在機器學習領域是不少人入門的教材，人氣不輸吳恩達的 Coursera 機器學習課程。

李宏毅老師的課程視頻包括多種監督學習、無監督學習、半監督學習等領域，算法包括簡單的線性迴歸、logistic 迴歸、支持向量機，乃至深度學習中的各種神經網絡模型。

「梯度降低」課程中的 PPT 。對比了不一樣梯度下曲線的形狀。

「詞嵌入」課程中的PPT。展現了語義類似詞語在詞嵌入後呈現出的彙集關係。

由於課程中乾貨滿滿，李宏毅老師的課程視頻也被稱爲中文世界中最好的機器學習視頻。李老師以幽默風趣的上課風格讓不少晦澀難懂的機器學習理論變得輕鬆易懂，他將理論知識與有趣的例子結合在課堂上展示，而且對深奧的理論知識逐步推導，保證學習者可以學習到問題的精髓所在。好比老師會常常用寶可夢來結合不少機器學習算法。對於想入門機器學習又想看中文講解的人來講絕對是很是推薦的。

可是，考慮到不少機器學習愛好者對於課程筆記的需求，咱們不只僅須要的是教學視頻。咱們須要一份課程筆記，可以引領學習者的思路，幫助引導他們進入這個領域。所以，就誕生了這款《LeeML-Notes》李宏毅機器學習筆記。

2.《LeeML-Notes》李宏毅機器學習筆記

LeeML-Notes 是 Datawhale 開源組織自《機器學習南瓜書》後的又一開源學習項目，由團隊成員王佳旭、金一鳴牽頭，8 名成員歷時半年精心打磨而成，實現了李宏毅老師機器學習課程內容的 100% 復現，而且在此基礎上補充了有助於學習理解的相關資料和內容，對重難點公式進行了補充推導。期間，Datawhale 開源組織打造了《李宏毅老師機器學習》的組隊學習，在衆多學習者共同的努力下，對該內容進行了迭代和補充。下面，讓咱們來詳細瞭解下工做詳情吧。

具體準備工做：

• 2019 年 2 月--2019 年 4 月：筆記整理初級階段，視頻 100% 復現

• 2019 年 4 月--2019 年 6 月：網站搭建，對筆記內容及排版迭代優化

• 2019 年 5 月--2019 年 6 月：組隊學習《李宏毅機器學習》並對內容進行迭代完善

• 2019 年 7 月：最後內容修正，正式推廣。

下圖爲修訂記錄表：

3.《LeeML-Notes》學習筆記框架

3.a 亮點

這份學習筆記具備如下優勢：

• 徹底將李宏毅老師的講課內容轉爲文字，方便學習者查閱參考。
• 不只保留了 PPT 的內容，還根據課程內容補充了一些知識點。
• 具備完整的代碼復現資料。

3.b 筆記框架

內容在總體框架上與李宏毅老師的機器學習課程保持一致，主要由監督學習、半監督學習、遷移學習、無監督學習、監督學習中的結構化學習以及強化學習構成。建議學習過程當中將李宏毅老師的視頻和這份資料搭配使用，效果極佳。筆記也和課程視頻徹底同步。

目錄詳情見下：

• P1 機器學習介紹
  
• P2 爲何要學習機器學習
• P3 迴歸
• P4 迴歸-演示
• P5 偏差從哪來？
  
• P6 梯度降低
  
• P7 梯度降低（用 AOE 演示）
  
• P8 梯度降低（用 Minecraft 演示）
  
• P9 做業 1-PM2.5 預測
  
• P10 機率分類模型
  
• P11 logistic 迴歸
  
• P12 做業 2-贏家仍是輸家
  
• P13 深度學習簡介
  
• P14 反向傳播
  
• P15 深度學習初試
  
• P16 Keras2.0
  
• P17 Keras 演示
  
• P18 深度學習技巧
  
• P19 Keras 演示 2
  
• P20 Tensorflow 實現 Fizz Buzz
  
• P21 卷積神經網絡
  
• P22 爲何要「深度」學習？
  
• P23 半監督學習
  
• P24 無監督學習-線性降維
  
• P25 無監督學習-詞嵌入
  
• P26 無監督學習-領域嵌入
  
• P27 無監督學習-深度自編碼器
  
• P28 無監督學習-深度生成模型 I
  
• P29 無監督學習-深度生成模型 II
  
• P30 遷移學習
  
• P31 支持向量機
  
• P32 結構化學習-介紹
  
• P33 結構化學習-線性模型
  
• P34 結構化學習-結構化支持向量機
  
• P35 結構化學習-序列標籤
  
• P36 循環神經網絡 I
  
• P37 循環神經網絡 II
  
• P38 集成學習
  
• P39 深度強化學習淺析
• P40 機器學習的下一步

4. 筆記內容細節展現

4.a 對梯度降低概念的解析

在筆記中從新整理PPT內容，並增長了一些註釋。

不對視頻語音直接轉文字，而是根據內容整理成知識點，方便讀者理解閱讀。

4.b 爲何須要作特徵縮放

對特徵縮放的PPT進行整理記錄。

4.c 隱形馬爾科夫鏈的應用

隱形馬爾科夫鏈在語言模型中的應用。

4.d 利用貼近學生的例題解釋知識點

用算法對精靈寶可夢（神奇寶貝）進行分類。

5. 代碼呈現

代碼在李宏毅老師提供代碼的基礎上進行了優化，在 python3 上所有調試經過。

5.a 迴歸分析

5.b 深度學習

Keras 的基礎模型構建代碼。

用Keras構建深層模型

。

6. 做業展現

對筆記課程的做業進行了講解與解讀，而且總結了一些須要注意的點，一樣在 python3 上調試經過。

問題描述。

筆記中提供了課程做業的參考答案。

7. 交流互動

目錄中每一節最後都設置了交流互動區供你們總結學習內容、提出本身的疑問和廣大學習者互動，可使用 GitHub 登陸，方便讀者們交流。

• 8.開源地址：https://github.com/datawhalechina/leeml-notes
• 9. 配套視頻：https://www.bilibili.com/video/av59538266

主要貢獻人員

• 負責人：王佳旭、金一鳴
• 成員：黑桃、李威、 排骨、追風者、Summer、楊冰楠