X
李宏毅：机器学习的下一步
共61课时 12小时45分47秒秒
简介
李宏毅老师2019年最新机器学习视频教程
李宏毅老师于2012年从台湾大学博士毕业。并于2013年赴麻省理工学院（MIT）计算机科学和人工智能实验室做访问学者。现任台湾大学电机系副教授。主要研究领域为机器学习（特别是深度学习）、口语语义理解和语音识别。李老师的个人主页是：http://speech.ee.ntu.edu.tw/~tlkagk
章节
- 课时1：The Next Step for Machine Learning (15分26秒)
- 课时2：Anomaly Detection (1) (13分22秒)
- 课时3：Anomaly Detection (2) (14分9秒)
- 课时4：Anomaly Detection (3) (14分4秒)
- 课时5：Anomaly Detection (4) (4分6秒)
- 课时6：Anomaly Detection (5) (12分17秒)
- 课时7：Anomaly Detection (6) (12分18秒)
- 课时8：Anomaly Detection (7) (6分1秒)
- 课时9：Attack ML Models (1) (6分5秒)
- 课时10：Attack ML Models (2) (11分41秒)
- 课时11：Attack ML Models (3) (7分2秒)
- 课时12：Attack ML Models (4) (8分11秒)
- 课时13：Attack ML Models (5) (6分37秒)
- 课时14：Attack ML Models (6) (9分25秒)
- 课时15：Attack ML Models (7) (8分2秒)
- 课时16：Attack ML Models (8) (10分10秒)
- 课时17：Explainable ML (1) (13分50秒)
- 课时18：Explainable ML (2) (14分7秒)
- 课时19：Explainable ML (3) (6分6秒)
- 课时20：Explainable ML (4) (7分14秒)
- 课时21：Explainable ML (5) (8分11秒)
- 课时22：Explainable ML (6) (7分26秒)
- 课时23：Explainable ML (7) (8分2秒)
- 课时24：Explainable ML (8) (7分15秒)
- 课时25：Life Long Learning (1) (13分50秒)
- 课时26：Life Long Learning (2) (7分24秒)
- 课时27：Life Long Learning (3) (12分3秒)
- 课时28：Life Long Learning (4) (4分38秒)
- 课时29：Life Long Learning (5) (3分18秒)
- 课时30：Life Long Learning (6) (14分14秒)
- 课时31：Life Long Learning (7) (11分33秒)
- 课时32：Meta Learning – MAML (1) (7分40秒)
- 课时33：Meta Learning – MAML (2) (7分51秒)
- 课时34：Meta Learning – MAML (3) (10分20秒)
- 课时35：Meta Learning – MAML (4) (5分13秒)
- 课时36：Meta Learning – MAML (5) (13分21秒)
- 课时37：Meta Learning – MAML (6) (6分31秒)
- 课时38：Meta Learning – MAML (7) (8分53秒)
- 课时39：Meta Learning – MAML (8) (5分10秒)
- 课时40：Meta Learning – MAML (9) (6分52秒)
- 课时41：Meta Learning - Gradient Descent as LSTM (1) (11分39秒)
- 课时42：Meta Learning - Gradient Descent as LSTM (2) (10分4秒)
- 课时43：Meta Learning - Gradient Descent as LSTM (3) (10分38秒)
- 课时44：Meta Learning – Metric-based (1) (10分29秒)
- 课时45：Meta Learning – Metric-based (2) (5分13秒)
- 课时46：Meta Learning – Metric-based (3) (11分28秒)
- 课时47：Meta Learning - Train+Test as RNN (7分46秒)
- 课时48：More about Auto-encoder (1) (13分38秒)
- 课时49：More about Auto-encoder (2) (6分10秒)
- 课时50：More about Auto-encoder (3) (12分28秒)
- 课时51：More about Auto-encoder (4) (14分51秒)
- 课时52：Network Compression (1) (8分22秒)
- 课时53：Network Compression (2) (12分42秒)
- 课时54：Network Compression (3) (8分31秒)
- 课时55：Network Compression (4) (6分36秒)
- 课时56：Network Compression (5) (11分51秒)
- 课时57：Network Compression (6) (13分7秒)
- 课时58：GAN (Quick Review) (38分3秒)
- 课时59：Flow-based Generative Model (1小时7分51秒)
- 课时60：Transformer (49分31秒)
- 课时61：ELMO, BERT, GPT (1小时4分51秒)
热门下载
热门帖子