Skip to content

datawhalechina/leedl-tutorial

Folders and files

NameName
Last commit message
Last commit date

Latest commit

author
qiwang
Feb 10, 2025
589201a · Feb 10, 2025
Feb 9, 2024
Jul 8, 2024
Sep 8, 2024
Feb 10, 2025
Aug 9, 2024
Aug 9, 2024
Jan 11, 2023

Repository files navigation

GitHub issues GitHub stars GitHub forks Hits Downloads 知识共享许可协议

李宏毅深度学习教程LeeDL-Tutorial(苹果书)

李宏毅老师是台湾大学的教授,其《机器学习》(2021年春)是深度学习领域经典的中文视频之一。李老师幽默风趣的授课风格深受大家喜爱,让晦涩难懂的深度学习理论变得轻松易懂,他会通过很多动漫相关的有趣例子来讲解深度学习理论。李老师的课程内容很全面,覆盖了到深度学习必须掌握的常见理论,能让学生对于深度学习的绝大多数领域都有一定了解,从而可以进一步选择想要深入的方向进行学习,培养深度学习的直觉,对于想入门深度学习又想看中文讲解的同学是非常推荐的。

本教程主要内容源于《机器学习》(2021年春),并在其基础上进行了一定的原创。比如,为了尽可能地降低阅读门槛,笔者对这门公开课的精华内容进行选取并优化,对所涉及的公式都给出详细的推导过程,对较难理解的知识点进行了重点讲解和强化,以方便读者较为轻松地入门。此外,为了丰富内容,笔者在教程中选取了《机器学习》(2017年春) 的部分内容,并补充了不少除这门公开课之外的深度学习相关知识。

ℹ️ 李宏毅老师推荐

李宏毅老师推荐。

纸质版

推荐购买链接:京东 | 当当

pic

推荐京东扫码购买

pic

当当扫码购买

豆瓣评分:https://book.douban.com/subject/36997460/

ℹ️ 勘误修订表https://datawhalechina.github.io/leedl-tutorial/#/errata

最新版PDF下载

地址:https://github.com/datawhalechina/leedl-tutorial/releases

国内地址(推荐国内读者使用):链接: https://pan.baidu.com/s/1zPN1_pdISW5CKtI64Hc9ZA 提取码: 3q4w

纸质版和PDF版的区别

PDF版本是全书初稿,人民邮电出版社的编辑老师们对初稿进行了反复修缮,最终诞生了纸质书籍,在此向人民邮电出版社的编辑老师的认真严谨表示衷心的感谢!(附:校对样稿)

内容介绍

  • 引言 @王琦
  • 深度学习 @王琦
    • 局部最小值与鞍点
    • 训练技巧
    • 自适应学习率
    • 分类问题损失函数
    • 归一化
  • 卷积神经网络和自注意力机制 @王琦
    • 卷积神经网络
    • 自注意力机制
  • 循环神经网络 @王琦
  • Transformer @王琦
    • Transformer
  • 生成模型 @杨毅远
    • 生成对抗网络基础
    • 生成对抗网络理论与 Wasserstein 生成对抗网络
    • 生成对抗网络的评估与有条件的生成对抗网络
    • 循环生成对抗网络
  • 自监督学习 @王琦
    • 芝麻街的模型
    • BERT
    • GPT-3
  • 自动编码器概念及其应用 @江季
  • 扩散模型@王琦
  • 对抗攻击 @杨毅远
    • 对抗攻击基本概念
    • 白盒攻击vs黑盒攻击
    • 被动防守vs主动防守
  • 可解释人工智能 @杨毅远
    • 可解释人工智能概念与案例
    • 可解释人工智能中的局部可解释性
    • 可解释人工智能中的全局可解释性
  • 迁移学习 @王琦
    • 领域自适应
    • 领域对抗训练
  • 深度强化学习 @王琦
  • 终身学习 @江季
    • 灾难性遗忘
    • 缓解灾难性遗忘
  • 网络压缩 @王琦
    • 剪枝与彩票假设
    • 知识蒸馏
  • 元学习 @杨毅远
    • 元学习的概念
    • 元学习的实例算法
    • 元学习的应用
  • ChatGPT @杨毅远
    • 对于ChatGPT的误解
    • ChatGPT背后的关键技术——预训练
    • ChatGPT带来的研究问题

配套代码

点击或者网页点击Homework文件夹进入配套代码

扩展资源

  • 强化学习玩我的世界(Minecraft)游戏感兴趣的读者,可阅读 LS-Imagine
  • 强化学习感兴趣的读者,可阅读蘑菇书EasyRL
  • 视觉强化学习感兴趣的读者,可阅读 Awesome Visual RL

贡献者

pic
Qi Wang

上海交通大学博士生
中国科学院大学硕士

pic
Yiyuan Yang

牛津大学博士生
清华大学硕士

pic
John Jim

北京大学硕士

引用信息

王琦,杨毅远,江季,深度学习详解,人民邮电出版社,https://github.com/datawhalechina/leedl-tutorial, 2024.
Qi Wang, Yiyuan Yang, Ji Jiang,LeeDL Tutorial,Posts & Telecom Press,https://github.com/datawhalechina/leedl-tutorial, 2024.
@book{wang2024leedltutorial,
title = {深度学习详解},
publisher = {人民邮电出版社},
year = {2024},
author = {王琦,杨毅远,江季},
address = {北京},
isbn = {9787115642110},
url = {https://github.com/datawhalechina/leedl-tutorial}
}
@book{wang2024leedltutorialen,
title = {LeeDL Tutorial},
publisher = {Posts & Telecom Press},
year = {2024},
author = {Qi Wang,Yiyuan Yang,Ji Jiang},
address = {Beijing},
isbn = {9787115642110},
url = {https://github.com/datawhalechina/leedl-tutorial}
}

若该教程对您有所帮助,可以在页面右上角点个Star ⭐ 支持一下,谢谢 😊!

如果您需要转载该教程的内容,请注明出处:https://github.com/datawhalechina/leedl-tutorial

致谢

特别感谢 @Sm1les@LSGOMYPFuWeiru 对本项目的帮助与支持。

另外,十分感谢大家对于LeeDL-Tutorial的关注。 Stargazers repo roster for @datawhalechina/leedl-tutorial Forkers repo roster for @datawhalechina/leedl-tutorial

关注我们

扫描下方二维码关注公众号:Datawhale,回复关键词“李宏毅深度学习”,即可加入“LeeDL-Tutorial读者交流群”

Datawhale是一个专注AI领域的开源组织,以“for the learner,和学习者一起成长”为愿景,构建对学习者最有价值的开源学习社区。关注我们,一起学习成长。

LICENSE

知识共享许可协议
本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。

Star History

Star History