不可错过！台湾清华大学吴尚鸿教授最新《大规模机器学习》2020教程，附教程地址

---

  新智元报道  

来源：专知

编辑：SF

【新智元导读】台湾国立清华大学吴尚鸿副教授主讲的《大规模机器学习》教程，内容包括深度学习概述与学习理论。课程还对一些流行的机器学习库，如Scikit-learn和Tensorflow 2.0将被使用并详细解释。

来自台湾国立清华大学吴尚鸿副教授主讲的《大规模机器学习》教程，内容包括深度学习概述与学习理论。

本课程介绍深度学习的概念和实践。课程由三个部分组成。在第一部分中，我们快速介绍了经典机器学习，并回顾了一些需要理解深度学习的关键概念。在第二部分中，我们将讨论深度学习与经典机器学习的不同之处，并解释为什么它在处理复杂问题如图像和自然语言处理时是有效的。我们将介绍各种CNN和RNN模型。在第三部分，我们介绍了深度强化学习及其应用。

本课程也提供了编程的实验。在整个课程中，我们将使用Python 3作为主要的编程语言。一些流行的机器学习库，如Scikit-learn和Tensorflow 2.0将被使用并详细解释。

本课程也提供了编程的实验。在整个课程中，我们将使用Python 3作为主要的编程语言。一些流行的机器学习库，如Scikit-learn和Tensorflow 2.0将被使用并详细解释。

目录内容：

•  Introduction 引言

•  Linear Algebra 线性代数

•  Data Exploration & PCA (Bonus) 数据探索

•  Probability & Information Theory 概率与信息理论

•  Decision Trees & Random Forest (Bonus) 决策树与随机森林

• 数值优化 Numerical Optimization

• 感知器 Perceptron & Adaline (Bonus)

•  回归 Regression (Bonus)

• 学习理论与正则  Learning Theory & Regularization

• 正则化 Regularization

•  概率模型 Probabilistic Models

•  线性回归与度量 Logistic Regression & Metrics

•  非参数方法 Non-Parametric Methods & SVMs (Suggested Reading)

•  支持向量机 SVMs & Scikit-Learn Pipelines (Bonus)

•  交叉验证 Cross Validation & Ensembling (Suggested Reading)

•  集成 CV & Ensembling (Bonus)

• 预测  Predicting News Popularity

•  大规模机器学习 Large-Scale Machine Learning

• 深度神经网络设计  Neural Networks: Design

• 神经网络  Neural Networks from Scratch (No Assignment)

•  TensorFlow 101 (No Assignment)

•  神经网络 Neural Networks: Optimization & Regularization

•  Word2Vec

•  卷积神经网络 Convolutional Neural Networks

•  Convolutional Neural Networks & Data Pipelines

• 循环神经网络  Recurrent Neural Networks

视频教程地址

https://nthu-datalab.github.io/ml/