Task

在 https://linklearner.com/activity/16/14/40 查看学习目标

视频教程和电子书在最后ref查看

准备

这里学习了P1课程 ，其实是 #Datawhale X 李宏毅苹果书 AI夏令营 没有要求的。

数学

微积分、线性代数、概率

​

编程能力

Python

无论是阅读课程提供的demo或者自己编写，都需要具体编程能力，比如Python代码阅读能力和编写能力。

硬件

Google Colab（不需要买显卡，买软硬件）

目标

本课程选择 深度学习​ 作为机器学习的重点、启蒙课程。

课程中会涉及深度学习​最基本的观念，最新的技术。（这里应该是相对台大而言）

学习本课程后，可以继续学习机器学习​的其他方向，比如电脑视觉（Computer Vision）、人类语言处理（Human Language Processing）、金融等。

作业 & 分数

15个作业（这里应该是相对台大而言，电子书中应该已涉及）

​

​

Kaggle平台

https://www.kaggle.com/

​

​

可以使用邮箱注册一个账号，例如Gmail

​

​

Task1

以下才是 P2课程 ，也就是Task1

机器学习基本概念简介

机器学习：机器具备学习的能力。具体来说，机器学习就是让机器具体找一个函数的能力。

比如语音识别：

​

​

比如图片识别：

​

​

比如 下围棋：AlphaGo

术语

Regression

Regression回归：

假设函数输出是一个数值。例如预测明天的PM2.5的数值，机器需要找到一个函数f，

如图左边可能是各种指标，比如今天的PM2.5的数值、平均温度、平均的臭氧浓度等等；

如图右边是明天的PM2.5的数值。

找到这个函数的任务成为Regression回归。

​

Classification：

Classification分类：

准备一些选项，让函数从设置好的选项中选择一个并输出。

假设机器学习识别是否是垃圾邮件：

如图左边是一封邮件；

如图右边是 Yes 和 No。

机器要从Yes 和 No 两个选项中选择一个并输出，这个过程就是Classification分类。

​​

选项并不是只有两个，比如下围棋，让AlphaGo选择一个位置，作为下一步，选项就不止一个。

Structured Learning

Structured Learning结构化学习：

机器不只是要做选择题或输出一个数字，而是产生一个有结构的物体。

比如让机器画一张图，写一篇文章。这种叫机器产生有结构的东西的问题称为结构化学习。

机器怎么找一个函数

假设你是一个YouTuber，根据YouTube后台数据，预测明天可能观看次数。

写出一个带有未知参数的函数

y = b + w x1

y 是我们要预测观看的人数

x1 是我们前一天观看的人数

b和w是未知的参数

y = b + w x1 就是我们常说的 模型​

定义一个Loss

Loss是一个函数，L(b, w) , 在这里b和w就是输入的值。

ref

李宏毅《机器学习/深度学习》2021课程：https://www.bilibili.com/video/BV1JA411c7VT/

Leeml-notes开源项目：https://github.com/datawhalechina/leeml-notes

李宏毅Youtube频道：https://www.youtube.com/c/HungyiLeeNTU