我的機器學習筆記介紹

平時對人工智慧抱有很大的興趣，但因課業繁忙導致一直沒時間去學。這次報名 ICCAD 比賽、 選了 EDA 題目，其官方文件有許多 PyTorch/人工智慧相關的論文，就想趁這機會在這次暑假圓夢。
同學推薦台大有名的教授 — 李宏毅，在 YouTube 上的開放式課程 「Machine Learning (Hung-yi Lee, NTU)」。 我很喜歡李宏毅教授由淺入深的教學方式，可以看出教授不管是在課程順序安排、內容深淺、 問題範例及簡報製作都非常用心。大部分內容，數學推導也是，都可以讓人很好理解，整體來說是個對於初學者很好 的入門教學。

以下是我看完每個 Lecture 整理的筆記，如果內容有誤，歡迎傳 email 通知我～

李宏毅 Machine Learning 系列 聯絡我 (email)
筆記 1：機器學習入門與基本概念
介紹了機器學習的核心思想、Linear Regression 線性回歸，以及 bias & variance（偏差與變異）的意義。
閱讀這篇筆記
筆記 2：Gradient Descent 與分類問題
介紹梯度下降法（Gradient Descent）、分類（Classification）基本原理，適合初學者快速了解這兩個機器學習常見技術。
閱讀這篇筆記
筆記 3：分類問題進階推導與Logistic Regression
介紹邏輯回歸（Logistic Regression）、判別模型（Discriminative Model）與生成模型（Generative Model）的差異以及特徵轉換（Feature Transformation）。
閱讀這篇筆記
筆記 4：詳細介紹深度學習
介紹深度學習（Deep Learning）的模型（Model）、探討如何尋找最佳參數（Network parameter）以獲得最小損失（Loss）。
閱讀這篇筆記
筆記 5：反向傳播演算法
介紹如何利用正向傳遞（Forward Pass）與反向傳遞（Backward Pass）計算神經網路中損失函數（Loss function）對各權重的偏導數。
閱讀這篇筆記
筆記 6：深度神經網路的訓練要點
介紹ReLu、Maxout、Adam、Dropout等方法，在未來訓練DNN時，能使用這些方法對症下藥，讓Error Rate下降。
閱讀這篇筆記