# leeml-notes
**Repository Path**: csshowell/leeml-notes
## Basic Information
- **Project Name**: leeml-notes
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: GPL-3.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No
## Statistics
- **Stars**: 0
- **Forks**: 4
- **Created**: 2022-03-31
- **Last Updated**: 2022-03-31
## Categories & Tags
**Categories**: Uncategorized
**Tags**: None
## README
# 李宏毅机器学习笔记(LeeML-Notes)
李宏毅老师的[机器学习视频](http://speech.ee.ntu.edu.tw/~tlkagk/courses_ML17.html)是机器学习领域经典的中文视频之一，也被称为中文世界中最好的机器学习视频。李老师以幽默风趣的上课风格让很多晦涩难懂的机器学习理论变得轻松易懂，并且老师会通过很多有趣的例子结合机器学习理论在课堂上展现出来，并且逐步推导深奥的理论知识。比如老师会经常用宝可梦来结合很多机器学习算法。对于想入门机器学习又想看中文讲解的人来说绝对是非常推荐的。学有余力的同学也可以看一下[李宏毅机器学习2019](http://speech.ee.ntu.edu.tw/~tlkagk/courses_ML19.html)(大部分是一样的，只有小部分更新)
## 使用说明
这个笔记是根据李宏毅老师机器学习视频的一个辅助资料，本笔记基本上完全复刻李老师课堂上讲的所有内容，并加入了一些和相关的学习补充资料和参考资料，结合这些资料一起学习，相信你会对机器学习有更加深刻的理解。
### 笔记在线阅读地址
在线阅读地址：https://datawhalechina.github.io/leeml-notes
### 课程在线观看地址
- bilibili：[李宏毅《机器学习》](https://www.bilibili.com/video/av59538266)
# 目录
- [P1 机器学习介绍](https://datawhalechina.github.io/leeml-notes/#/chapter1/chapter1)
- [P2 为什么要学习机器学习](https://datawhalechina.github.io/leeml-notes/#/chapter2/chapter2)
- [P3 回归](https://datawhalechina.github.io/leeml-notes/#/chapter3/chapter3)
- [P4 回归-演示](https://datawhalechina.github.io/leeml-notes/#/chapter4/chapter4)
- [P5 误差从哪来？](https://datawhalechina.github.io/leeml-notes/#/chapter5/chapter5)
- [P6 梯度下降](https://datawhalechina.github.io/leeml-notes/#/chapter6/chapter6)
- [P7 梯度下降（用AOE演示）](https://datawhalechina.github.io/leeml-notes/#/chapter7/chapter7)
- [P8 梯度下降（用Minecraft演示）](https://datawhalechina.github.io/leeml-notes/#/chapter8/chapter8)
- [P9 作业1-PM2.5预测](https://datawhalechina.github.io/leeml-notes/#/chapter9/chapter9)
- [P10 概率分类模型](https://datawhalechina.github.io/leeml-notes/#/chapter10/chapter10)
- [P11 logistic回归](https://datawhalechina.github.io/leeml-notes/#/chapter11/chapter11)
- [P12 作业2-赢家还是输家](https://datawhalechina.github.io/leeml-notes/#/chapter12/chapter12)
- [P13 深度学习简介](https://datawhalechina.github.io/leeml-notes/#/chapter13/chapter13)
- [P14 反向传播](https://datawhalechina.github.io/leeml-notes/#/chapter14/chapter14)
- [P15 深度学习初试](https://datawhalechina.github.io/leeml-notes/#/chapter15/chapter15)
- [P16 Keras2.0](https://datawhalechina.github.io/leeml-notes/#/chapter16/chapter16)
- [P17 Keras演示](https://datawhalechina.github.io/leeml-notes/#/chapter17/chapter17)
- [P18 深度学习技巧](https://datawhalechina.github.io/leeml-notes/#/chapter18/chapter18)
- [P19 Keras演示2](https://datawhalechina.github.io/leeml-notes/#/chapter19/chapter19)
- [P20 Tensorflow 实现 Fizz Buzz](https://datawhalechina.github.io/leeml-notes/#/chapter20/chapter20)
- [P21 卷积神经网络](https://datawhalechina.github.io/leeml-notes/#/chapter21/chapter21)
- [P22 为什么要“深度”学习？](https://datawhalechina.github.io/leeml-notes/#/chapter22/chapter22)
- [P23 半监督学习](https://datawhalechina.github.io/leeml-notes/#/chapter23/chapter23)
- [P24 无监督学习-线性降维](https://datawhalechina.github.io/leeml-notes/#/chapter24/chapter24)
- [P25 无监督学习-词嵌入](https://datawhalechina.github.io/leeml-notes/#/chapter25/chapter25)
- [P26 无监督学习-领域嵌入](https://datawhalechina.github.io/leeml-notes/#/chapter26/chapter26)
- [P27 无监督学习-深度自编码器](https://datawhalechina.github.io/leeml-notes/#/chapter27/chapter27)
- [P28 无监督学习-深度生成模型I](https://datawhalechina.github.io/leeml-notes/#/chapter28/chapter28)
- [P29 无监督学习-深度生成模型II](https://datawhalechina.github.io/leeml-notes/#/chapter29/chapter29)
- [P30 迁移学习](https://datawhalechina.github.io/leeml-notes/#/chapter30/chapter30)
- [P31 支持向量机](https://datawhalechina.github.io/leeml-notes/#/chapter31/chapter31)
- [P32 结构化学习-介绍](https://datawhalechina.github.io/leeml-notes/#/chapter32/chapter32)
- [P33 结构化学习-线性模型](https://datawhalechina.github.io/leeml-notes/#/chapter33/chapter33)
- [P34 结构化学习-结构化支持向量机](https://datawhalechina.github.io/leeml-notes/#/chapter34/chapter34)
- [P35 结构化学习-序列标注](https://datawhalechina.github.io/leeml-notes/#/chapter35/chapter35)
- [P36 循环神经网络I](https://datawhalechina.github.io/leeml-notes/#/chapter36/chapter36)
- [P37 循环神经网络II](https://datawhalechina.github.io/leeml-notes/#/chapter37/chapter37)
- [P38 集成学习](https://datawhalechina.github.io/leeml-notes/#/chapter38/chapter38)
- [P39 深度强化学习浅析](https://datawhalechina.github.io/leeml-notes/#/chapter39/chapter39)
- [P40 机器学习的下一步](https://datawhalechina.github.io/leeml-notes/#/chapter40/chapter40)
- [P41 异常检测(1)](https://datawhalechina.github.io/leeml-notes/#/chapter41/chapter41)
- [P42 异常检测(2)](https://datawhalechina.github.io/leeml-notes/#/chapter42/chapter42)
- [P43 异常检测(3)](https://datawhalechina.github.io/leeml-notes/#/chapter43/chapter43)
- [P44 异常检测(4)](https://datawhalechina.github.io/leeml-notes/#/chapter44/chapter44)
- [P45 异常检测(5)](https://datawhalechina.github.io/leeml-notes/#/chapter45/chapter45)
- [P46 异常检测(6)](https://datawhalechina.github.io/leeml-notes/#/chapter46/chapter46)
- [P47 异常检测(7)](https://datawhalechina.github.io/leeml-notes/#/chapter47/chapter47)
- [P48 对抗机器学习模型(1)](https://datawhalechina.github.io/leeml-notes/#/chapter48/chapter48)
# 修订记录：
|版本|时间|作者|文档信息 |
|---|:--:|:--:|:--|
| v0.1 |2019.06.28|[@DatawhaleXiuyuan](https://github.com/DatawhaleXiuyuan)
[@hahlw](https://github.com/hahlw)
[@Heitao5200](https://github.com/Heitao5200)
[@ImayKing](https://github.com/Imay-King)
[@spareribs](https://github.com/spareribs)|建立初始仓库 |
| v1.0 |2019.07.20|[@DatawhaleXiuyuan](https://github.com/DatawhaleXiuyuan)
[@hahlw](https://github.com/hahlw)
[@Heitao5200](https://github.com/Heitao5200)
[@Hirotransfer](https://github.com/Hirotransfer)
[@huangmh11](https://github.com/huangmh11)
[@ImayKing](https://github.com/Imay-King)
[@LilRache](https://github.com/LilRachel)
[@spareribs](https://github.com/spareribs)
|正式对外公开|
| v1.2|-|-|- |
# 主要贡献者（按首字母排名）
- [@DatawhaleXiuyuan](https://github.com/DatawhaleXiuyuan)
- [@hahlw](https://github.com/hahlw)
- [@Heitao5200](https://github.com/Heitao5200)
- [@Hirotransfer](https://github.com/Hirotransfer)
- [@huangmh11](https://github.com/huangmh11)
- [@ImayKing](https://github.com/Imay-King)
- [@LilRache](https://github.com/LilRachel)
- [@spareribs](https://github.com/spareribs)
# 关注我们
