李宏毅機器學習筆記
SERIES 共 6 篇文章
紀錄台大李宏毅教授於2017年在Youtube上的《Machine Learning》系列的筆記。該系列網址為 https://www.youtube.com/playlist?list=PLJV_el3uVTsPy9oCRY30oBPNLCo89yu49
1
深入了解AI及機器學習的基本概念與應用，包括迴歸問題、模型選擇與誤差來源分析。
2
探索梯度下降、學習率適應、Stochastic Gradient Descent以及分類模型的詳細機制，並掌握如何優化機率生成模型以提高分類準確性。
3
這篇文章詳細介紹了Logistic Regression的數學基礎、訓練方法和應用，並比較了Discriminative與Generative模型。
4
探索深度學習的歷史起源，從感知器到當代的多層神經網路，並了解Deep Learning如何影響影像辨識與語音辨識。
5
本文深入探討了反向傳播演算法背後的運作機制，解釋如何利用鏈式法則和梯度下降來有效地優化神經網絡模型。
6
本篇內容整理了深度神經網絡（DNN）的訓練技巧，包括對抗過擬合的方法、新激活函數的選擇、自適應學習率及使用Dropout等正則化技術。