Hinton 機器學習教程 第一課漢化版完整放送!

作為 AI 從業者，想必你和小編一樣都有過類似的經歷。

下定決心想要鑽研機器學習類的課程，不僅要搞定學術理論，還得應對英語所帶來的難題。

為了讓廣大 AI 青年們不再為英語所累，快速進入學習狀態，雷鋒網(公眾號：雷鋒網)推出了深度學習大牛 Geoffrey Hinton 的《Neutral Network for Machine Learning》中文系列視頻課程。本次課程來源於 Hinton 2012 年在多倫多大學的授課實錄，適合於對 Machine Learning 有一定基礎的同學來進一步學習研究。PS: 出於對 Hinton 知識成果的尊重以及版權的需要，AI 研習社已經獲得了 Hinton 教授的親自授權。

本套課程中，Hinton 重點介紹了人工神經網絡在語音識別和物體識別、圖像分割、建模語言和人類運動等過程中的應用，及其在機器學習中發揮的作用。與吳恩達的《Machine Learning》不同，這門課程更加深入地介紹了 Machine Learning 中神經網絡具體操作方法。

目前Lecture 1 課程已經全部翻譯完畢了。這一課主要介紹了機器學習和神經網絡的一些基本概念和原理。今天就做出一個第一課視頻的匯總，以方便大家學習~

1.1 為什麼我們需要機器學習

在課程開篇（1.1） Hinton 介紹了在我們了解神經網絡學習算法的細節之前，我們需要解決的一個基礎問題：我們為什麼需要機器學習？機器學習的用途廣泛，Hinton 結合不同場景為大家解釋了這個問題。

1.2 神經網絡中的腦科學原理

本次視頻（1.2）中 Hinton 介紹了人的大腦中神經元網絡的基礎知識，並解釋了算法並非大腦實際工作方式，但確實受到大腦的啟發，以及大腦處理視覺、聽覺的輸入輸出與計算機神經網絡的比對，為之後面向機器學習的神經元網絡打好基礎。

1.3 簡單神經模型之線性神經元

神秘的神經元是如何傳輸信號的？什麼樣的數學公式可以模擬如此複雜的系統？有哪些常用的神經元模型？線性激勵神經元 ReLU 和鼎鼎大名的 Sigmoid 又有何區別？這節課中，Hinton 將為你一一解答。

1.4 MINST 學習範例

本期課程以經典的手寫數字識別問題為例，詳細講解神經網絡是如何從雜亂無章的圖像中學習到潛在特徵，並完美地區分不同數字的。主要步驟：設計簡單的雙層網絡結構，數據準備，權值初始化，模型訓練及權值動態更新。

1.5 機器學習算法的三大類

機器學習包含三大類別：有監督學習、無監督學習和增強學習，這三者各不相同，又相互補充。接下來你講了解到：這幾種方法有什麼區別，分別解決什麼樣的問題，適用於什麼情形？怎麼度量學習效果，聚類和稀疏編碼又是什麼？

--------------------------------------

雷鋒字幕組

--------------------------------------

雷鋒字幕組致力於為 AI 從業者們提供最專業的 AI 相關視頻內容。目前，雷鋒字幕組已經與全球範圍內多所高校包括多倫多大學、倫敦大學學院等達成課程內容漢化授權協議。如果您對我們的工作內容感興趣，歡迎添加微信 「iIoveus2014」，備註 「Hinton」 加入我們！

【雷鋒字幕組】招募進行時！

雷鋒字幕組隸屬於雷鋒網，我們呼喚來自各個領域的最強翻譯與聽譯，加入我們這個由海內外優秀譯者和科技人才組成的團隊，將科技領域的最新資訊和成果傳遞給萬千人，並親眼見證未來科技發展的歷史性時刻。

無論你是字幕組的老司機還是初出茅廬的小白，如果你對 AI 或網際網路科技感興趣，樂於分享，那還在等什麼？快來加入我們吧！

What can you do？

字幕組內崗位如下：

1、運營：協助管理組維持字幕組專有在線協作平臺和內部管理等；

2、聽譯：能準確聽寫臺詞，有較強聽譯能力；

3、翻譯：有一定文字功底，翻譯流暢通順，細心嚴謹有耐心；

4、壓制：最好有壓片經驗，如無也可進組後學習使用相應軟體。

• 此前曾參與 TED、coursera 公開課等字幕翻譯的加分！

• 我們會根據大家可利用時間的實際情況進行任務制定，各項工作組內可協調進行。

 What can you achieve？

• 對於入選的字幕組成員，將能第一時間參與雷鋒網的學術、技術公開課；

• 我們將在視頻中署上字幕組和翻譯人員的名字，並在微信公眾號、官網等處推送；

• 團隊成員還有機會參與高端論壇和峰會，與更多極客同好交流；

• 定期的乾貨滿滿的內部交流沙龍和 workshop；

• 優質在線慕課課程獨家優惠。

How to apply？

• 添加個人微信 「iloveus2014」， 我們將及時與您聯繫，並開始相應的招錄工作。

• or：發送主題為 「申請雷鋒字幕組 + 名字」 到郵箱 [e-mail]，請附上 「申請崗位 + 個人技能」，以便我們篩選；

• 申請時間：長期有效。

雷鋒網原創文章，未經授權禁止轉載。詳情見轉載須知。