點擊上方「深度學習工坊」，「星標」或"置頂"
關鍵時刻，第一時間送達
本文經機器之心(almosthuman2014)
授權轉載，禁止二次轉載
參與：思源、澤南
臺大教授李宏毅的機器學習課程經常被認為是中文開放課程中的首選。李教授的授課風格風趣幽默，通俗易懂，其課程內容中不僅有機器學習、深度學習的基礎知識，也會介紹 ML 領域裡的各種最新技術。近日，2019 版的課程資料與視頻終於上線了！
課程資料連結：http://speech.ee.ntu.edu.tw/~tlkagk/courses_ML19.html
課程視頻（Bilibili）：https://www.bilibili.com/video/av46561029/
YouTube 連結：https://www.youtube.com/playlist?list=PLJV_el3uVTsOK_ZK5L0Iv_EQoL1JefRL4
李宏毅（Hung-yi Lee）目前任臺灣大學電機工程學系和電機資訊學院的助理教授，他曾於 2012 年獲得臺灣大學博士學位，並於 2013 年赴麻省理工學院（MIT）計算機科學和人工智慧實驗室（CSAIL）做訪問學者。他的研究方向主要是機器學習（深度學習）和語音識別。
此前，他的 2016 版《機器學習》課程視頻曾是流行學習資料。
有一個懂二次元的教授真不容易。
2019 版《機器學習》課程目錄，括號內為新增內容：
回歸、梯度下降
分類、邏輯回歸，錯分類的原因
深度學習，反向傳播（異常檢測）
卷積神經網絡、Keras（對抗樣本攻擊）
訓練深度學習模型（可解釋 AI）
循環神經網絡（Order LSTM）
Ensemble
半監督學習、遷移學習（終身學習）
（元學習）
seq2seq（Transformer）
（Few/Zero shot learning）
無監督學習（BERT）
強化學習（更細化）
（網絡壓縮）
生成對抗網絡（GLOW）
（無監督域適應）
為什麼要使用深度學習（深度學習理論）
看過李宏毅 2017 秋季機器學習課程的同學都知道，他介紹的基礎內容非常仔細。例如對於循環神經網絡，他會帶我們手動運算一遍，從而弄清楚各時間步的輸入、儲存的記憶和具體運算過程等等。在 19 年的新課中，李宏毅重點開放新課相關的視頻與作業。
其中新增課程大部分都是近來比較流行的研究前沿，例如 Seq2Seq 中的全注意力網絡 Transformer、生成模型最近流行的新範式流模型（Glow）。這些內容可作為以前 17 年秋季課程的補充，從而讓視頻整體更接近當下前沿。
目前李宏毅已經放出了異常檢測和對抗攻擊的視頻，它們都是新增加的內容。這些新增的內容最好可以和主課程一起看，因此可以有更好的理解。例如異常檢測何以和深度學習基礎一起看，對抗攻擊可以和卷積神經網絡一起看等等。
如上展示的是 YouTube 視頻截圖，還沒科學上網的同學也可以直接看愛可可老師傳到 B 站的資源。當然 YouTube 除了新更新的一系列課程，李宏毅老師已經發布了更多的課程主題，例如線性代數、深度強化學習、生成對抗網絡、深度學習理論、機器學習（17 年秋季）等。
其中 17 年秋季的機器學習對機器學習及深度學習做了一個整體的概要，這也是李宏毅課程必看的一部分。學完機器學習課程後，基本上我們對各種主題都有一定的理解，因此可以進一步看他關於深度學習高級主題、生成對抗網絡等的見解。如下為李宏毅開放的各種主題與視頻列表：
最後，看視頻做作業都需要堅持，希望大家都能將這些資源化為自己的知識。
更多資料李宏毅 | 286頁的《一天搞懂深度學習》（附下載）
李宏毅 | 83頁的《深度學習的高級技巧》（附下載）
這麼硬的乾貨資料，不給個好看？！
▲長按關注我們
歡迎給我"好看"！