首页 文章详情

笔记|李宏毅老师机器学习课程,视频20Why Deep Learning?

数据科学与人工智能 | 252 2021-06-13 00:00 0 0 0
UniSMS (合一短信)
 是新朋友吗?记得先点数据科学与人工智能关注我哦~


《学习笔记》专栏·第23篇

 | MLer

887字 | 2分钟阅读

【数据科学与人工智能】开通了机器学习,大家可以相互学习和交流。请扫描下方二维码,备注:姓名-ML,添加我为好友,诚邀你入群,一起进步

感谢李宏毅老师的分享,他的课程帮助我更好地学习、理解和应用机器学习。李老师的网站:

http://speech.ee.ntu.edu.tw/~tlkagk/index.html

这个学习笔记是根据李老师2017年秋季机器学习课程的视频和讲义做的记录和总结。因为这个视频是在Youtube上面,有些朋友可能无法观看,我把它搬运下来放在云盘上面,大家点击阅读原文,就可以直接在手机随时随地观看了。再次,感谢李老师的付出和贡献。

这门课,共有36个视频,每个视频播放的时间不一。我按着视频播放的顺序,观看,聆听和学习,并结合讲义,做学习笔记。我做学习笔记目的有三:

1 帮助自己学习和理解机器学习

2 记录机器学习的重要知识、方法、原理和思想

3 为传播机器学习做点事情

视频20:Why Deep Learning?


李老师通过下图,抛出一个问题,为什么一个瘦而深的模型性能要优于一个肥而短的模型?

李老师,通过模组化的思想来深入浅出地回答这个问题。关于模组化更详细的内容,请看视频。


接下来,李老师谈到了,模组化思想在语音领域的理解,并且对比分析了传统语音识别算法HMM-GMM和DNN的差异。


模型构建的过程中,一方面,要考虑模型的表示性,另一方面,也要考虑模型效率性。


李老师又用逻辑电路的思想,说明深度学习为什么要深的原理这个问题。

逻辑电路与神经网络的类比分析。



李老师,还介绍了端到端学习的思想以及应用。并且进一步说明了深度学习为什么要深这个问题。

1 端到端学习在语音识别领域

传统方法


深度学习方法


2 端到端学习在影像识别领域

传统方法


深度学习方法


深度学习,在一些更复杂问题上,发挥出的作用。

一种是,相似输入,不同输出

一种是,不同输入,相同输出


最后,李老师提供了一些进一步学习的材料。

建议对这个问题感兴趣的朋友,可以观看视频,学习和思考。


朋友们,在学习中有什么问题或者想法,请加入机器学习群,大家一起讨论,共同进步。


如何高效学习?费曼学习法。


每周一书

1利用Python进行数据分析

2深度学习



课程视频点击                                         

↓↓↓

good-icon 0
favorite-icon 0
收藏
回复数量: 0
    暂无评论~~
    Ctrl+Enter