【導讀】 關(guān)于機器學習的學習資料從經(jīng)典書籍、免費公開課到開源項目應(yīng)有盡有，可謂是太豐富啦，給學習者提供了極大的便利。但網(wǎng)上比比皆是的學習資料大部分都是英文材料，這可難倒了英語不好的學習者，單詞不認識，理解不到位。小編不禁想問：就真的就沒辦法了嘛。其實也不盡然，中文還是有一些不錯的學習資料的，像周志華老師的西瓜書，李航老師的統(tǒng)計學習方法等等都是相當經(jīng)典的學習資料。今天的主角LeeML-Notes也是和一門中文經(jīng)典視頻課程--臺大李宏毅的機器學習相關(guān)。
1. 李宏毅機器學習簡介
李宏毅老師的機器學習視頻是機器學習領(lǐng)域經(jīng)典的中文視頻之一，也被稱為中文世界中最好的機器學習視頻。李老師以幽默風趣的上課風格讓很多晦澀難懂的機器學習理論變得輕松易懂，他將理論知識與有趣的例子結(jié)合在課堂上展現(xiàn)，并且對深奧的理論知識逐步推導，保證學習者能夠?qū)W習到問題的精髓所在。比如老師會經(jīng)常用寶可夢來結(jié)合很多機器學習算法。對于想入門機器學習又想看中文講解的人來說絕對是非常推薦的。
https://user-gold-cdn.xitu.io/2019/8/7/16c69b2a092e4dd1?w=1080&h=582&f=webp&s=44700
2. 《LeeML-Notes》李宏毅機器學習筆記
LeeML-Notes是Datawhale開源組織又一開源學習項目，由團隊成員王佳旭、金一鳴牽頭，8名成員歷時半年精心打磨而成，實現(xiàn)了李宏毅老師機器學習課程內(nèi)容的100%復(fù)現(xiàn)，并且在此基礎(chǔ)上補充了有助于學習理解的相關(guān)資料和內(nèi)容，對重難點公式進行了補充推導。期間，Datawhale開源組織打造了《李宏毅老師機器學習》的組隊學習，在眾多學習者共同的努力下，對該內(nèi)容進行了迭代和補充。下面，讓我們來詳細了解下工作詳情吧。
具體準備工作：
2019年2月--2019年4月：筆記整理初級階段，視頻100%復(fù)現(xiàn)
2019年4月--2019年6月：網(wǎng)站搭建，對筆記內(nèi)容及排版迭代優(yōu)化
2019年5月--2019年6月：組隊學習《李宏毅機器學習》并對內(nèi)容進行迭代完善
2019年7月：最后內(nèi)容修正，正式推廣。
下圖為修訂記錄表：
https://user-gold-cdn.xitu.io/2019/8/7/16c69b2a09fb24db?w=441&h=451&f=webp&s=17016
3. 《LeeML-Notes》學習筆記框架
內(nèi)容在整體框架上與李宏毅老師的機器學習課程保持一致，主要由監(jiān)督學習、半監(jiān)督學習、遷移學習、無監(jiān)督學習、監(jiān)督學習中的結(jié)構(gòu)化學習以及強化學習構(gòu)成。建議學習過程中將李宏毅老師的視頻和這份資料搭配使用，效果極佳。筆記也是和課程視頻完全同步。
目錄詳情見下：
目錄
P1 機器學習介紹
P2 為什么要學習機器學習
P3 回歸
P4 回歸-演示
P5 誤差從哪來？
P6 梯度下降
P7 梯度下降（用AOE演示）
P8 梯度下降（用Minecraft演示）
P9 作業(yè)1-PM2.5預(yù)測
P10 概率分類模型
P11 logistic回歸
P12 作業(yè)2-贏家還是輸家
P13 深度學習簡介
P14 反向傳播
P15 深度學習初試
P16 Keras2.0
P17 Keras演示
P18 深度學習技巧
P19 Keras演示2
P20 Tensorflow 實現(xiàn) Fizz Buzz
P21 卷積神經(jīng)網(wǎng)絡(luò)
P22 為什么要“深度”學習？
P23 半監(jiān)督學習
P24 無監(jiān)督學習-線性降維
P25 無監(jiān)督學習-詞嵌入
P26 無監(jiān)督學習-領(lǐng)域嵌入
P27 無監(jiān)督學習-深度自編碼器
P28 無監(jiān)督學習-深度生成模型I
P29 無監(jiān)督學習-深度生成模型II
P30 遷移學習
P31 支持向量機
P32 結(jié)構(gòu)化學習-介紹
P33 結(jié)構(gòu)化學習-線性模型
P34 結(jié)構(gòu)化學習-結(jié)構(gòu)化支持向量機
P35 結(jié)構(gòu)化學習-序列標簽
P36 循環(huán)神經(jīng)網(wǎng)絡(luò)I
P37 循環(huán)神經(jīng)網(wǎng)絡(luò)II
P38 集成學習
P39 深度強化學習淺析
P40 機器學習的下一步
4. 筆記內(nèi)容細節(jié)展示
4.a 對梯度下降概念的解析
https://user-gold-cdn.xitu.io/2019/8/7/16c69b2a0f30f140?w=1080&h=632&f=webp&s=31296
4.b 為什么需要做特征縮放
https://user-gold-cdn.xitu.io/2019/8/7/16c69b2a0a04e7b0?w=1080&h=627&f=webp&s=24766
4.c 隱形馬爾科夫鏈的應(yīng)用
https://user-gold-cdn.xitu.io/2019/8/7/16c69b2a11792d30?w=936&h=676&f=webp&s=46988
5. 代碼呈現(xiàn)
代碼在李宏毅老師提供代碼的基礎(chǔ)上進行了優(yōu)化，在python3上全部調(diào)試通過。
5.a 回歸分析
https://user-gold-cdn.xitu.io/2019/8/7/16c69b2a0f2ccb5a?w=863&h=576&f=webp&s=24670
5.b 深度學習
https://user-gold-cdn.xitu.io/2019/8/7/16c69b2a2bd11c8e?w=823&h=433&f=webp&s=23514
6. 作業(yè)展示
對筆記課程的作業(yè)進行了講解與解讀，并且總結(jié)了一些需要注意的點，同樣在python3上調(diào)試通過。
https://user-gold-cdn.xitu.io/2019/8/7/16c69b2a2bcaf704?w=846&h=768&f=webp&s=40692
7. 交流互動
目錄中每一節(jié)最后都設(shè)置了交流互動區(qū)供大家總結(jié)學習內(nèi)容、提出自己的疑問和廣大學習者互動，使用GitHub登錄就好啦，是不是交流起來就方便了許多。
https://user-gold-cdn.xitu.io/2019/8/7/16c69b2a2d0da55b?w=856&h=610&f=webp&s=50656
8. 開源地址
https://github.com/datawhalechina/leeml-notes
9. 配套視頻
李宏毅機器學習視頻：
https://www.bilibili.com/video/av59538266
主要貢獻人員
負責人：王佳旭、金一鳴
成員：黑桃、李威、 排骨、追風者、Summer、楊冰楠
