导航

台湾大学李宏毅机器学习课程

台湾大学李宏毅机器学习课程
共111节 4181人在学 课程详情 下载课件
课程目录
讨论留言

  • 机器学习-1

    • ML Lecture 16 Unsupervised Learning - Auto-encoder
    • ML Lecture 17 Unsupervised Learning
    • ML Lecture 18 Unsupervised Learning
    • ML Lecture 19 Transfer Learning
    • ML Lecture 20 Support Vector Machine (SVM)
    • ML Lecture 21-1 Recurrent Neural Network (Part I)
    • ML Lecture 21-2 Recurrent Neural Network (Part II)
    • ML Lecture 22 Ensemble
    • ML Lecture 23-1 Deep Reinforcement Learning
    • ML Lecture 23-2 Policy Gradient
    • ML Lecture 23-3 Reinforcement Learning
    • ML Lecture 0-1 Introduction of Machine Learning
    • ML Lecture2 Why we need to learn machine learning
    • ML Lecture 1 Regression - Case Study
    • ML Lecture 1 Regression - Demo
    • ML Lecture 2 Where does the error come from
    • ML Lecture 3-1 Gradient Descent
    • ML Lecture 3-2 Gradient Descent (Demo by AOE)
    • ML Lecture 3-3 Gradient Descent
    • ML Lecture 4 Classification
    • ML Lecture 5 Logistic Regression
    • ML Lecture 6 Brief Introduction of Deep Learning
    • ML Lecture 7 Backpropagation
    • ML Lecture 8-1 “Hello world” of deep learning
    • ML Lecture 8-2 Keras 2.0
    • ML Lecture 8-3 Keras Demo
    • ML Lecture 9-1 Tips for Training DNN
    • ML Lecture 9-2 Keras Demo 2
    • ML Lecture 9-3 Fizz Buzz in Tensorflow (sequel)
    • ML Lecture 10 Convolutional Neural Network
    • ML Lecture 11 Why Deep
    • ML Lecture 12 Semi-supervised
    • ML Lecture 13 Unsupervised Learning
    • ML Lecture 14 Unsupervised Learning
    • ML Lecture 15 Unsupervised Learning

  • 对抗生成网络GAN

    • GAN Lecture 2 (2018) Conditional Generation
    • GAN Lecture 3Unsupervised Conditional Generation
    • GAN Lecture 4 (2018) Basic Theory
    • GAN Lecture 5 (2018) General Framework
    • GAN Lecture 6 (2018) WGAN, EBGAN
    • GAN Lecture 7 (2018) Info GAN, VAE-GAN, BiGAN
    • GAN Lecture 8 (2018) Photo Editing
    • GAN Lecture 9 (2018) Sequence Generation
    • GAN Lecture 10Evaluation & Concluding Remarks
    • GAN Lecture 1 (2018) Introduction

  • 机器学习-2

    • Anomaly Detection (2 7) (2)
    • Anomaly Detection (3 7)
    • Anomaly Detection (4 7)
    • Anomaly Detection (5 7)
    • Anomaly Detection (6 7)
    • Anomaly Detection (7 7)
    • Attack ML Models (1 8)
    • Attack ML Models (2 8)
    • Attack ML Models (3 8)
    • Attack ML Models (4 8)
    • Attack ML Models (5 8)
    • Attack ML Models (6 8)
    • Attack ML Models (7 8)
    • Attack ML Models (8 8)
    • Explainable ML (1 8)
    • Explainable ML (2 8)
    • Explainable ML (3 8)
    • Explainable ML (4 8)
    • Explainable ML (5 8)
    • Explainable ML (6 8)
    • Explainable ML (7 8)
    • Explainable ML (8 8)
    • The Next Step for Machine Learning
    • Anomaly Detection (1 7)

  • 深度学习理论

    • Deep Learning Theory 1-2 Potential of Deep
    • Deep Learning Theory 1-3
    • Deep Learning Theory 2-1 When Gradient is Zero
    • Deep Learning Theory 2-2 Deep Linear Network
    • Deep Learning Theory 2-3
    • Deep Learning Theory 2-4
    • Deep Learning Theory 2-5
    • Deep Learning Theory 3-1
    • Deep Learning Theory 3-2
    • Deep Learning Theory 1-1

  • 高级机器学习

    • Review Basic Structures for Deep Learning Models-2
    • Computational Graph & Backpropagation
    • Deep Learning for Language Modeling
    • Spatial Transformer Layer
    • Highway Network & Grid LSTM
    • Recursive Network
    • Conditional Generation by RNN & Attention
    • Pointer Network
    • Batch Normalization
    • SELU
    • Tuning Hyperparameters
    • Interesting things about deep learning
    • Generative Adversarial Network
    • Improved Generative Adversarial Network
    • RL and GAN for Sentence Generation and Chat-bot
    • 機械学習で美少女化 ~ あるいはNEW GAME! の世界
    • Imitation Learning
    • Evaluation of Generative Models
    • Ensemble of GAN
    • Energy-based GAN
    • Video Generation by GAN
    • A3C
    • Gated RNN and Sequence Generation
    • Review Basic Structures for Deep Learning Models-1

  • 深度强化学习

    • DRL Lecture 2 Proximal Policy Optimization (PPO)
    • DRL Lecture 3 Q-learning (Basic Idea)
    • DRL Lecture 4 Q-learning (Advanced Tips)
    • DRL Lecture 5 Q-learning (Continuous Action)
    • DRL Lecture 6 Actor-Critic
    • DRL Lecture 7 Sparse Reward
    • DRL Lecture 8 Imitation Learning
    • DRL Lecture 1 Policy Gradient (Review)
播放页问题反馈
视频学习中有任何产品建议都可由此反
馈，我们将及时处理！

课时介绍

ML Lecture 9-2 Keras Demo 2

课程介绍

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做访问学者。他的研究方向主要是语义理解、语音识别、机器学习和深度学习）老师的机器学习课程以机器学习和深度学习的基础知识为主，包含了AI领域的各种最新知识和技术点。课程深入简出，通俗易懂，颇受欢迎，非常适合对AI感兴趣的学习者。本课程已经获得李宏毅老师授权。
推荐课程

信息系统项目管理师自考笔记

李明 · 710人在学

python从0到1：期货量化交易系统（CTP实战，高频及合成K线数据

王先生 · 22071人在学

手把手搭建Java超市管理系统【附源码】（毕设）

汤小洋 · 4198人在学

Java毕设springboot外卖点餐系统 毕业设计毕设源码 使用教

黄菊华 · 786人在学

基于SSM酒店管理系统（毕设）

小尼老师 · 837人在学

java项目实战之购物商城（java毕业设计）

Long · 5151人在学

手把手搭建Java求职招聘系统【附源码】（毕设）

汤小洋 · 1504人在学

Python Django 深度学习 小程序

钟翔 · 2315人在学

城管局门前三包管理系统+微信小程序（vue+springboot）

赖国荣 · 597人在学

Vue+Uni-app(uniapp)入门与实战+赠送仿美团点餐小程序

李杰 · 3979人在学

正在试验
后自动删除环境
课程实验
本次实验时间已到期 00:00:00

    订阅失败

    台湾大学李宏毅机器学习课程
    台湾大学李宏毅机器学习课程 ...

    订阅列表已满，请先移出部分订阅内容。

    当前章节需购买后观看
    开通超级会员免费看！专家精选系列课程，满足你从入门到精通！更有问答月卡免费送，你的问题有问必答！
    提交答案

    购买课程

    扫码完成付费，可继续学习全部课程内容

    加载中...
    课件正在飞速打包中，请耐心等待几秒钟～
    联系我们
    工作时间: 8:30 - 22:00
    客服电话: 400-660-0108
    kefu@csdn.net在线客服
    • 关于我们
    • 招贤纳士
    • 商务合作
    • 寻求报道
    • 京ICP备19004658号
    • 经营性网站备案信息
    • 公安备案号11010502030143
    • 营业执照
    • 北京互联网违法和不良信息举报中心
    • 家长监护
    • 中国互联网举报中心
    • 网络110报警服务
    • Chrome商店下载
    • 账号管理规范
    • 版权与免责声明
    • 版权申诉
    • 出版物许可证
    • ©1999-2024北京创新乐知网络技术有限公司