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。

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

引言 @王琦

深度学习 @王琦

局部最小值与鞍点

自适应学习率

分类问题损失函数

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

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

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

点击 或者网页点击 Homework 文件夹进入配套代码

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 }

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。

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。