整理一下学习李宏毅2020深度学习的课程笔记
前言
什么是机器学习
我觉得老师说的这句话蛮透彻的:机器学习就是自动寻找函式(广义上的函数),即给定一个输入后可以得到所需的输出。这里的输入输出可以是音频、图片、文字、对话、游戏等。
学习路线总览
本节课梳理了接下来的学习路线
路线
1、回归分析
主要特征是输出为一个标量(即一个值)
2、分类器
输出为是或否(涉及Classification和RNN)
3、多类分类器
提前给定N个类别,让分类器判断输入的种类
4、生成器
根据给定的输入进行生成(图像、文字、数据等,涉及RNN、GAN)
5、监督学习
以下灰色区域为监督学习所涉及的部分
6、无监督学习
以下灰色区域为无监督学习所涉及的部分
7、范围界定
如图所示:
Regression 和 Classification 为线性分析方法
RNN 和 CNN 为神经网络的基础架构,后续的NN多以这两种为基础,这里因为我是以学习GAN为目标,故着重学习CNN
橙色部分为使用到RNN的Seq2Seq,本质上是一个RNN变体模型,可以用于大多数NLP的序列任务。
其余的灰色部分为使用到CNN的各种变体。
总结
梳理好了学习路线就可以开始快乐学习咯!