# NTU-Machine-learning
**Repository Path**: blackldh/NTU-Machine-learning
## Basic Information
- **Project Name**: NTU-Machine-learning
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No
## Statistics
- **Stars**: 0
- **Forks**: 0
- **Created**: 2021-04-10
- **Last Updated**: 2021-04-10
## Categories & Tags
**Categories**: Uncategorized
**Tags**: None
## README
# 大鱼AI🐟 ：李宏毅机器学习(台湾大学)
## 课程资料
1. [课程主页](http://speech.ee.ntu.edu.tw/~tlkagk/courses_ML17_2.html)
2. [课程笔记](https://blog.csdn.net/dukuku5038/article/details/82253966)
3. [课件百度云下载](https://pan.baidu.com/s/1UKYLGte5SJ1EWxxAaUcKOw)
3. [课程视频](https://www.bilibili.com/video/av10590361?from=search&seid=8516959386096686045)
4. [环境配置Anaconda](https://github.com/dafish-ai/NTU-Machine-learning/blob/master/assets/Anaconda完全入门指南.md)
5. [Jupyter NoteBook配置](http://baijiahao.baidu.com/s?id=1601883438842526311&wfr=spider&for=pc)
6. [Anaconda加速下载镜像](https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/?C=M&O=D)
7. [作业](https://github.com/dafish-ai/NTU-Machine-learning/tree/master/李宏毅机器学习-作业)
8. 比赛环境推荐使用Linux或者Mac系统，以下环境搭建方法皆适用:
[Docker环境配置](https://github.com/ufoym/deepo)
[本地环境配置](https://github.com/learning511/cs224n-learning-camp/blob/master/environment.md)
## 重要一些的资源：
1. [Dr.Wu 博客71篇(机器学习、深度学习、强化学习、对抗网络)](https://me.csdn.net/dukuku5038)
2. [Dr.Wu 本人知乎](https://www.zhihu.com/people/Dr.Wu/activities)
3. [深度学习经典论文](https://github.com/floodsung/Deep-Learning-Papers-Reading-Roadmap.git)
4. [深度学习斯坦福教程](http://deeplearning.stanford.edu/wiki/index.php/UFLDL%E6%95%99%E7%A8%8B)
5. [廖雪峰python3教程](https://www.liaoxuefeng.com/article/001432619295115c918a094d8954bd493037b03d27bf9a9000)
6. [github教程](https://www.liaoxuefeng.com/wiki/0013739516305929606dd18361248578c67b8067c8c017b000)
7. [莫烦机器学习教程](https://morvanzhou.github.io/tutorials)
8. [深度学习经典论文](https://github.com/floodsung/Deep-Learning-Papers-Reading-Roadmap.git)
9. [机器学习代码修行100天](https://github.com/Avik-Jain/100-Days-Of-ML-Code)
10. [吴恩达机器学习新书：machine learning yearning](https://github.com/AcceptedDoge/machine-learning-yearning-cn)
11. [自上而下的学习路线: 软件工程师的机器学习](https://github.com/ZuzooVn/machine-learning-for-software-engineers/blob/master/README-zh-CN.md)
## 1. 前言
Â
### 中文世界中最好的机器学习课程！
李宏毅老师的机器学习和深度学习系列课程，是中文世界中最好！课程中有深入浅出的讲解和幽默生动的比喻（还有口袋妖怪哦）。关键一切都是中文的！（除了
^_^）
本课程李宏毅老师的机器学习核心内容带学，作业讲解。主要包括：
（一）监督学习（回归、分类、BP反向传播、梯度下降）
（二）无监督学习（AutoEncoder、Neighbor Embedding、Deep Generative Model）
（三）迁移学习 （Transfer learning）
（四）结构化学习（Structure learning）
本课程每课都有课件，每周都有配套作业代码，十分推荐推荐学习。
## 2.数学知识复习
1.[线性代数](http://web.stanford.edu/class/cs224n/readings/cs229-linalg.pdf)
2.[概率论](http://web.stanford.edu/class/cs224n/readings/cs229-prob.pdf)
3.[凸函数优化](http://web.stanford.edu/class/cs224n/readings/cs229-cvxopt.pdf)
4.[随机梯度下降算法](http://cs231n.github.io/optimization-1/)
#### 中文资料：
- [机器学习中的数学基本知识](https://www.cnblogs.com/steven-yang/p/6348112.html)
- [统计学习方法](http://vdisk.weibo.com/s/vfFpMc1YgPOr)
**大学数学课本（从故纸堆里翻出来^_^）**
### 3.编程工具
#### 大鱼谷歌python训练营：
- [谷歌python](https://github.com/dafish-ai/Python-GoogleCourse)
#### 斯坦福资料：
- [Python复习](http://web.stanford.edu/class/cs224n/lectures/python-review.pdf)
#### 4. 中文书籍推荐：
- 《机器学习》周志华
- 《统计学习方法》李航
- 《机器学习课》邹博
## 5. 学习安排
本课程需要8周共15节课，
每周具体时间划分为4个部分:
- 1部分安排周一到周二
- 2部分安排在周四到周五
- 3部分安排在周日
- 4部分作业是本周任何时候空余时间
- 周日晚上提交作业运行截图
- 周三、周六休息^_^
#### 6.作业提交指南：
## 7.学习安排
一、整体学习路线
二、整体学习分解脑图
三、具体学习计划
### week 1
**学习准备**
**知识点复习**
**学习组队**
**第1节： 引言(Introduction)**
**课件：**[lecture1](https://github.com/dafish-ai/NTU-Machine-learning/blob/master/%E6%9D%8E%E5%AE%8F%E6%AF%85%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0-%E8%AF%BE%E4%BB%B6/1-introduction.pdf)
**笔记：**[lecture1-note1](https://blog.csdn.net/dukuku5038/article/details/82347021)
**视频：**
1.1 欢迎:[Welcome to Machine Learning](https://www.bilibili.com/video/av10590361/?p=1)
1.2 为什么要学习机器学习？:[Why learning ？](https://www.bilibili.com/video/av10590361/?p=2)
**作业 Week1：**
制定自己的学习计划，开通自己的学习博客，注册自己的github:[如操作手册](https://github.com/dafish-ai/NTU-Machine-learning/blob/master/%E6%9D%8E%E5%AE%8F%E6%AF%85%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0-%E4%BD%9C%E4%B8%9A/week1/Week1-CSDN%E5%8D%9A%E5%AE%A2%E4%B8%8EGithub%E5%88%9B%E5%BB%BA.md)
---
### week 2
**第2节： 回归问题**
**课件：**[lecture2](https://github.com/dafish-ai/NTU-Machine-learning/blob/master/%E6%9D%8E%E5%AE%8F%E6%AF%85%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0-%E8%AF%BE%E4%BB%B6/2-Regression.pdf)
**笔记：**[lecture2-note2](https://blog.csdn.net/dukuku5038/article/details/82503111)
**视频：**
2.1 回归:[Regression](https://www.bilibili.com/video/av10590361/?p=3)
2.2 回归 Demo:[Demo](https://www.bilibili.com/video/av10590361/?p=4)
**第3节： 错误分析**
**课件：**[lecture3](https://github.com/dafish-ai/NTU-Machine-learning/blob/master/%E6%9D%8E%E5%AE%8F%E6%AF%85%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0-%E8%AF%BE%E4%BB%B6/3-Bias%20and%20Variance%20(v2).pdf)
**笔记：**[lecture3-note3](https://blog.csdn.net/dukuku5038/article/details/82682855)
**视频：**
2.3 错误从哪里来[Error Handle](https://www.bilibili.com/video/av10590361/?p=5)
**作业 Week2：**:
纯python实现[CEO的的利润预测](https://github.com/dafish-ai/NTU-Machine-learning/blob/master/%E6%9D%8E%E5%AE%8F%E6%AF%85%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0-%E4%BD%9C%E4%B8%9A/week2/%E4%BD%9C%E4%B8%9A1.md)
---------------------------------------------------------
### week 3
**第4节： 梯度下降(Gradient Descent )**
**课件：**[lecture4](https://github.com/dafish-ai/NTU-Machine-learning/blob/master/李宏毅机器学习-课件/4-Gradient%20Descent%20(v2).pdf)
**笔记：**[lecture4-note4](https://blog.csdn.net/dukuku5038/article/details/83608873)
**视频：**
3.1梯度下降:[Gradient Descent](https://www.bilibili.com/video/av10590361/?p=6)
3.2梯度下降Demo1:[Gradient Descent Demo1](https://www.bilibili.com/video/av10590361/?p=7)
3.3梯度下降Demo2:[Gradient Descent Demo2](https://www.bilibili.com/video/av10590361/?p=8)
**作业 Week3：**:
[PM2.5回归预测](https://github.com/dafish-ai/NTU-Machine-learning/blob/master/%E6%9D%8E%E5%AE%8F%E6%AF%85%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0-%E4%BD%9C%E4%B8%9A/week3/Week3-PM2.5%E9%A2%84%E6%B5%8B.md)
---------------------------------------------------------
### Week 4
**第5节：分类：概率生成模型（Classification：Probabilistic Generative Model）**
**课件：**[lecture5](https://github.com/dafish-ai/NTU-Machine-learning/blob/master/李宏毅机器学习-课件/5-Classification%20(v3).pdf)
**笔记：**[lecture5-note5](https://blog.csdn.net/dukuku5038/article/details/82698867)
**视频：**
4.1分类：概率生成模型:[Classification：Probabilistic Generative Model](https://www.bilibili.com/video/av10590361/?p=10)
**第6节：分类：逻辑回归（Logistic Regression）**
**课件：**[lecture6](https://github.com/dafish-ai/NTU-Machine-learning/blob/master/李宏毅机器学习-课件/6-Logistic%20Regression%20(v3).pdf)
**笔记：**[lecture6-note6](https://blog.csdn.net/dukuku5038/article/details/82585523)
**视频：**
4.2分类：逻辑回归:[Logistic Regression](https://www.bilibili.com/video/av10590361/?p=11)
**作业 Week4：**:
收入预测[Winner or Loser](https://github.com/dafish-ai/NTU-Machine-learning/tree/master/%E6%9D%8E%E5%AE%8F%E6%AF%85%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0-%E4%BD%9C%E4%B8%9A/week4)
---------------------------------------------------------
### Week 5
**第7节：深度学习简介(Introduction to Deep learning)**
**课件：**[lecture7](https://github.com/dafish-ai/NTU-Machine-learning/blob/master/%E6%9D%8E%E5%AE%8F%E6%AF%85%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0-%E8%AF%BE%E4%BB%B6/7-DL%20(v2).pdf)
**笔记：**[lecture7-note7](https://blog.csdn.net/dukuku5038/article/details/83217542)
**视频：**
5.1 深度度学习简介:[Introduction to Deep learning](https://www.bilibili.com/video/av10590361/?p=13)
5.2 反向传播算法：[Back Prppagation](https://www.bilibili.com/video/av10590361/?p=14)
**第8节：“Hello world” of Deep learning**
**课件：**[lecture8](https://github.com/dafish-ai/NTU-Machine-learning/blob/master/%E6%9D%8E%E5%AE%8F%E6%AF%85%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0-%E8%AF%BE%E4%BB%B6/8-BP.pdf)
**笔记：**[lecture8-note8](https://blog.csdn.net/dukuku5038/article/details/83721330)
**视频：**
5.1 [DeepLearning Demo](https://www.bilibili.com/video/av10590361/?p=15)
5.2 Keras Demo：[Demo](https://www.bilibili.com/video/av10590361/?p=16)
5.2 Keras Demo1：[Demo1](https://www.bilibili.com/video/av10590361/?p=17)
**第9节：深度学习技巧 Deep learning tips**
**课件：**[lecture9](https://github.com/dafish-ai/NTU-Machine-learning/blob/master/%E6%9D%8E%E5%AE%8F%E6%AF%85%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0-%E8%AF%BE%E4%BB%B6/10-DNN%20tip.pdf)
**笔记：**[lecture8-note9](https://blog.csdn.net/dukuku5038/article/details/83680923)
**视频：**
5.3 [DeepLearning tips](https://www.bilibili.com/video/av10590361/?p=18)
5.4 Keras Demo2：[Demo2](https://www.bilibili.com/video/av10590361/?p=19)
**作业 Week5：**:
深度神经网络[Keras实现手写数字识别](https://github.com/dafish-ai/NTU-Machine-learning/blob/master/%E6%9D%8E%E5%AE%8F%E6%AF%85%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0-%E4%BD%9C%E4%B8%9A/week5/Week5-Keras%E5%AE%9E%E7%8E%B0%E6%89%8B%E5%86%99%E6%95%B0%E5%AD%97%E8%AF%86%E5%88%AB.md)
---------------------------------------------------------
### Week 6
**第10节：卷积神经网络(CNN)**
**课件：**[lecture10](https://github.com/dafish-ai/NTU-Machine-learning/blob/master/%E6%9D%8E%E5%AE%8F%E6%AF%85%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0-%E8%AF%BE%E4%BB%B6/11-CNN.pdf)
**笔记：**[lecture10-note10](https://blog.csdn.net/dukuku5038/article/details/83735926)
**视频：**
6.1 卷积神经网络:[CNN](https://www.bilibili.com/video/av10590361/?p=21)
**第11节：为什么要深度学习（Why Deep)**
**课件：**[lecture11](https://github.com/dafish-ai/NTU-Machine-learning/blob/master/%E6%9D%8E%E5%AE%8F%E6%AF%85%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0-%E8%AF%BE%E4%BB%B6/12-Why-deep.pdf)
**笔记：**[lecture11-note11](https://blog.csdn.net/dukuku5038/article/details/83774169)
**视频：**
6.2 为什么要深度学习:[Why Deep](https://www.bilibili.com/video/av10590361/?p=22)
**作业 Week6：**:
卷积神经网络[CNN实现手写数字识别](https://github.com/dafish-ai/NTU-Machine-learning/blob/master/%E6%9D%8E%E5%AE%8F%E6%AF%85%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0-%E4%BD%9C%E4%B8%9A/week6/Week6-CNN%E5%AE%9E%E7%8E%B0%E6%89%8B%E5%86%99%E6%95%B0%E5%AD%97%E8%AF%86%E5%88%AB.md)
---------------------------------------------------------
### Week 7
**第12节：循环神经网络(RNN)**
**课件：**[lecture12](https://github.com/dafish-ai/NTU-Machine-learning/blob/master/%E6%9D%8E%E5%BC%98%E6%AF%85-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0-%E8%AF%BE%E4%BB%B6/13-RNN%20(v2).pdf)
**笔记：**[lecture12-note12](https://blog.csdn.net/dukuku5038/article/details/83830994)
**视频：**
7.1 循环神经网络:[RNN](https://www.bilibili.com/video/av10590361/?p=36)
**第13节：循环神经网络（LSTM、GRU)**
**课件：**[lecture13](https://github.com/dafish-ai/NTU-Machine-learning/blob/master/%E6%9D%8E%E5%BC%98%E6%AF%85-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0-%E8%AF%BE%E4%BB%B6/13-RNN%20(v2).pdf)
**笔记：**[lecture13-note13](https://blog.csdn.net/dukuku5038/article/details/83870172)
**视频：**
7.2 循环神经网络:[LSTM，GRU](https://www.bilibili.com/video/av10590361/?p=37)
**作业 Week7：**:
Twitter文本情绪分类[Text Sentiment](https://github.com/dafish-ai/NTU-Machine-learning/blob/master/%E6%9D%8E%E5%AE%8F%E6%AF%85%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0-%E4%BD%9C%E4%B8%9A/week7/README.md)
---------------------------------------------------------
### Week 8
**第14节：迁移学习**
**课件：**[lecture14](https://github.com/dafish-ai/NTU-Machine-learning/blob/master/%E6%9D%8E%E5%BC%98%E6%AF%85-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0-%E8%AF%BE%E4%BB%B6/16-transfer%20(v3).pdf)
**笔记：**[lecture14-note14]()
**视频：**
8.1 迁移学习:[Transfer learning](https://www.bilibili.com/video/av10590361/?p=30)
**第15节：强化学习（Reinforcement learning)**
**课件：**[lecture15](https://github.com/dafish-ai/NTU-Machine-learning/blob/master/%E6%9D%8E%E5%BC%98%E6%AF%85-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0-%E8%AF%BE%E4%BB%B6/17-RL%20(v6).pdf)
**笔记：**[lecture15-note15](https://blog.csdn.net/dukuku5038/article/details/84810898)
**视频：**
8.2 强化学习:[Reinforcement learning](https://www.bilibili.com/video/av10590361/?p=39)
---
### 课程大作业：Kaggle 泰坦尼克号
## 联系我们：
官网：[点击进入](http://www.dayufish.com/)
官方公众号：
