深度學習李宏毅和吳恩達誰的課比較好?


利用閑暇時間瞭解AI,希望學習時間自由度高一些。我們最經典重要的AI知識整理成圖,並推薦經典學習材料和鏈接,希望AI愛好者高效清晰的掌握AI的精髓,真正無師自通。

學習路線

參考臺灣大學李宏毅老師的LearningMap,制定了這次培訓的LearningMap,圖中學習的順序也做了相關的標註。我們先從監督學習中的線性回歸問題開始學習。因為機器學習需要一定的數學基礎,有些數學知識還是大學的時候學習的,可能大家有些已經忘記了,所以在線性回歸之前我們也準備了線性代數、概率論和資訊理論的材料供大家複習。

學習材料

主要參考資料

1、《機器學習課程-吳恩達網易公開課》

吳恩達機器學習課程對應的課件

(視頻課程:http://open.163.com/special/opencourse/machinelearning.html)

2、《機器學習實戰》

這本書將理論和實踐相結合,裡面會有一些演算法應用的實際例子,供大家參考,主要採用python語言。

3、《machinelearninginaction.zip》

包含《機器學習實戰》中的每章節實踐代碼和數據。

4、《深度學習_中文.pdf》

一本主要介紹深度學習演算法的材料,前面的章節也包含了數據基礎知識 和機器學習的簡單介紹。

5、《統計學習方法(李航).pdf》

李航老師的統計學方法主要介紹了幾種經典的演算法,LR,SVM,CART等,推導和演算法也比較詳細,建議仔細閱讀。

6、《機器學習(周志華)》

周老師的這本書講解比較詳細,內容也很豐富,除了我們相關的章節, 其他的內容大家有時間也可以都看看。

7、《李宏毅深度學習2017視頻》

youtube上可以觀看,每節課對應的視頻詳細網址會具體給出。

8、《深度學習2017ppt.rar》

輔助參考資料

1、《機器學習基石視頻》

2、《機器學習技法視頻》

這兩門課程都是由臺灣林軒田老師主講的,像決策樹,隨機森林,GBDT 在這門課程中都有講解,想詳細瞭解的同學可以選擇對應的視頻觀看。youtube上可以看。

3、《麻省理工公開課:線性代數》

4、Gilbert Strang教授的網易公開課

文章鏈接:

人工智慧園地:AI愛好者們看過來,一張圖讓你入門AI?

zhuanlan.zhihu.com圖標

入門的話吳恩達更簡單

畢竟定位本身就低一點,吳恩達是給業餘講的,李宏毅是給有相關基礎的碩士生甚至博士生講的

建議先吳恩達系列學完再李宏毅


當然是李宏毅教授!

一是中文授課比起其他英文中字和英字的更好理解!中文課好理解!中文課更好理解!

對於英語不太好的同學,上來就要用英語學深度學習的數學知識,會很受挫!

李課程裏的項目和論文都很新,同時也很生動,可以迅速的接觸一些新東西!十分接地氣,親近年輕人,為了講清楚一個概念或技術,PPT的可視化做的非常非常非常用心,簡潔易懂。如果想通過中文視頻學習Deep Learning,他的課是首選。這裡diss下國內那些幾十年不換PPT的老師……

放一張他課程裏的PPT,用了動漫女主做例子,講解Matrix Factorization,太生動了有沒有。一個教授居然知道科學磁電炮、輕音少女平澤唯,哈哈哈~~~

PS:一定要參與作業!只聽不做作業是沒有效果的!


只看過李宏毅的課,跟著ppt走的,感覺還可以,就是有點聽不清。。

這倆老師的水平肯定沒得說,至於哪個課好。。。哪個老師你跟得上跟著輕鬆,哪個就好


都好,時間允許的話可以都看。不過吳恩達更容易入門。


兩個都好,各有各的講法,值得都看,並不浪費時間


李宏毅吧


推薦閱讀:
相關文章