|
李宏毅（Hung-yi Lee）目前任台湾大学电机工程学系和电机资讯学院的助理教授，他曾于 2012 年获得台湾大学博士学位，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（CSAIL）做访问学者。他的研究方向主要是机器学习（深度学习）和语音识别。
此前，他的 2016 版《机器学习》课程视频曾是流行学习资料
2019 版《机器学习》课程目录，括号内为新增内容：
回归、梯度下降
分类、逻辑回归，错分类的原因 深度学习，反向传播（异常检测） 卷积神经网络、Keras（对抗样本攻击） 训练深度学习模型（可解释 AI） 循环神经网络（Order LSTM） Ensemble 半监督学习、迁移学习（终身学习） （元学习） seq2seq（Transformer） （Few/Zero shot learning） 无监督学习（BERT） 强化学习（更细化） （网络压缩） 生成对抗网络（GLOW） （无监督域适应） 为什么要使用深度学习（深度学习理论）
看过李宏毅 2017 秋季机器学习课程的同学都知道，他介绍的基础内容非常仔细。例如对于循环神经网络，他会带我们手动运算一遍，从而弄清楚各时间步的输入、储存的记忆和具体运算过程等等。在 19 年的新课中，李宏毅重点开放新课相关的视频与作业。
其中新增课程大部分都是近来比较流行的研究前沿，例如 Seq2Seq 中的全注意力网络 Transformer、生成模型最近流行的新范式流模型（Glow）。这些内容可作为以前 17 年秋季课程的补充，从而让视频整体更接近当下前沿。
目前李宏毅已经放出了异常检测和对抗攻击的视频，它们都是新增加的内容。这些新增的内容最好可以和主课程一起看，因此可以有更好的理解。例如异常检测何以和深度学习基础一起看，对抗攻击可以和卷积神经网络一起看等等。
最后，看视频做作业都需要坚持，希望大家都能将这些资源化为自己的知识。
| 
发表于 2019-3-29 17:20:43
