datawhalechina/leedl-tutorial

This is stars and forks stats for /datawhalechina/leedl-tutorial repository. As of 06 May, 2024 this repository has 8204 stars and 2352 forks.

李宏毅深度学习教程LeeDL-Tutorial 李宏毅老师是台湾大学的教授，其《机器学习》（2021年春）是深度学习领域经典的中文视频之一。李老师幽默风趣的授课风格深受大家喜爱，让晦涩难懂的深度学习理论变得轻松易懂，他会通过很多动漫相关的有趣例子来讲解深度学习理论。李老师的课程内容很全面，覆盖了到深度学习必须掌握的常见理论，能让学生对于深度学习的绝大多数领域都有一定了解，从而可以进一步选择想要深入的方向进行学习，对于想入门深度学习又想看中文讲解的同学是非常推荐的。 本教程主要内容源于《机器学习》（2021年春），并在其基础上进行了一定的原创。比如，为了尽可能地降低阅读门槛，笔者对这门公开课的精华内容进行选取并优化，对所涉及的公式都给出详细的推导过程，对较难理解的知识点进行了重点讲解和强化，以方便读者较为轻松地入门。此外，为了丰富内容，笔者在教程中选取了《机器学习》（2017年春） 的部分内容，并补充了不少除这门公开课之外的深度学习相关知识。 注： 基于《机器学习》（2017年春）的李宏毅机器学习笔记在线阅读地址：https://datawhalechina.github.io/leedl-tutorial/#/ 基于《机器学习》（2017年春）的李宏毅机器学习笔记源文件：https://github.com/datawhalechina/leedl-tutorial/tree/pre_master 最新版PDF下载 地址：https://github.com/datawhalechina/leedl-tutorial/releases 国内地址(推荐国内读者使用)：链接: https://pan.baidu.com/s/19TtuvpGYcO5wx4P3afC-Bw 提取码: ub7q 内容介绍 引言 @王琦 深度学习 @王琦 局部最小值与鞍点 训练技巧 自适应学习率 分类问题损失函数 归一化 卷积神经网络和自注意力机制 @王琦 卷积神经网络 自注意力机制 循环神经网络 @王琦 Transformer @王琦 Transformer 生成模型 @杨毅远 生成对抗网络基础 生成对抗网络理论与 Wasserstein 生成对抗网络 生成对抗网络的评估与有条件的生成对抗网络 循环生成对抗网络 自监督学习 @王琦 芝麻街的模型 BERT GPT-3 自动编码器概念及其应用 @江季 扩散模型@王琦 对抗攻击 @杨毅远 对抗攻击基本概念 白盒攻击vs黑盒攻击 被动防守vs主动防守 可解释人工智能 @杨毅远 可解释人工智能概念与案例 可解释人工智能中的局部可解释性 可解释人工智能中的全局可解释性 迁移学习 @王琦 领域自适应 领域对抗训练 深度强化学习 @王琦 终身学习 @杨毅远 灾难性遗忘 缓解灾难性遗忘 网络压缩 @王琦 剪枝与彩票假设 知识蒸馏 元学习 @杨毅远 元学习的概念 元学习的实例算法 元学习的应用 ChatGPT @杨毅远 对于ChatGPT的误解 ChatGPT背后的关键技术——预训练 ChatGPT带来的研究问题 配套代码 点击或者网页点击Homework文件夹进入配套代码 贡献者 Qi Wang 上海交通大学博士生中国科学院大学硕士 Yiyuan Yang 牛津大学博士生清华大学硕士 John Jim 北京大学硕士 引用信息 @misc{wang2023leedltutorial, title = {李宏毅深度学习教程}, year = {2023}, author = {王琦，杨毅远，江季}, url = {https://github.com/datawhalechina/leedl-tutorial} } @misc{wang2023leedltutorialen, title = {Deep Learning Tutorial by Hung-yi Lee}, year = {2023}, author = {Qi Wang，Yiyuan Yang，Ji Jiang}, url = {https://github.com/datawhalechina/leedl-tutorial} } 致谢 特别感谢 @Sm1les、@LSGOMYP 对本项目的帮助与支持。 另外，十分感谢大家对于LeeDL-tutorial的关注。 关注我们 扫描下方二维码关注公众号：Datawhale，回复关键词“李宏毅深度学习”，即可加入“LeeDL-Tutorial读者交流群” LICENSE 本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。