“第十三章 学习方法”版本间的差异

来自cslt Wiki
跳转至： 导航、 搜索
 
（相同用户的11个中间修订版本未显示）
第2行： 第2行：
 
*[[教学参考-13|教学参考]]
 
*[[教学参考-13|教学参考]]
 
*[http://aigraph.cslt.org/courses/13/course-13.pptx 课件]
 
*[http://aigraph.cslt.org/courses/13/course-13.pptx 课件]
−
*小清爱提问：什么是爬山法？[https://mp.weixin.qq.com/s?__biz=Mzk0NjIzMzI2MQ==&mid=2247486886&idx=1&sn=a9959dfb953fd7383589236676d6bb08&chksm=c3080764f47f8e72809d3502ecdd0da6940d680fc9ecb0423f7aeec504bcb83026cdb544a11a&scene=178#rd]
+
*小清爱提问：监督学习和无监督学习有什么不同？[]
−
*小清爱提问：什么是模拟退火算法？[https://mp.weixin.qq.com/s?__biz=Mzk0NjIzMzI2MQ==&mid=2247486965&idx=1&sn=30da3c422773f7cb530eb6047d91b30e&chksm=c3080737f47f8e21802ca8650d8a39d434102f09ef9693b8041f4c24f8888f7d5c1c5a6fc05c&scene=178#rd]
+
*小清爱提问：什么是强化学习？[]
−
*小清爱提问：什么是奥卡姆剃刀准则？ [https://mp.weixin.qq.com/s?__biz=Mzk0NjIzMzI2MQ==&mid=2247486241&idx=1&sn=328b83f1c63103ffff86b1d38c3ac048&chksm=c30801e3f47f88f539f0e68f4cfc5a1e8a46e861ea0f2c732ed370530c4996e40b49a2ee6da6&scene=178#rd]
+
−
*小清爱提问：为什么说数据是人工智能的粮食？[https://mp.weixin.qq.com/s?__biz=Mzk0NjIzMzI2MQ==&mid=2247485586&idx=1&sn=1892fe37396e19e57b1728604402e186&chksm=c3080250f47f8b46a9b96f88739e3c698b89fd24d90c1b2cad41fa9a3fb4956abc5306a5c7b5&scene=178#rd]
+
−
 
+
−
 
+
  
 
==扩展阅读==
 
==扩展阅读==
  
−
* 维基百科：没有免费的午餐定理 [http://aigraph.cslt.org/courses/12/No_free_lunch_theorem.pdf]
+
*DeepMind AlphaGo博客[https://www.deepmind.com/research/highlighted-research/alphago]
−
* 维基百科：梯度下降法[http://aigraph.cslt.org/courses/12/梯度下降法.pdf][http://aigraph.cslt.org/courses/12/Gradient_descent.pdf]
+
*维基百科: AlphaGo [http://aigraph.cslt.org/courses/13/AlphaGo.pdf][http://aigraph.cslt.org/courses/13/AlphaGo_chs.pdf]
−
* 百度百科：梯度下降法[https://baike.baidu.com/item/%E6%A2%AF%E5%BA%A6%E4%B8%8B%E9%99%8D/4864937][http://baike.baidu.com/l/FdY9mFXE]
+
*DeepMind AlphaStar博客[https://www.deepmind.com/blog/alphastar-mastering-the-real-time-strategy-game-starcraft-ii]
−
* 知乎：梯度下降法[https://zhuanlan.zhihu.com/p/36902908]
+
*维基百科: AlphaStar[http://aigraph.cslt.org/courses/13/AlphaStar.pdf]
−
* 知乎：小批量梯度下降法[https://zhuanlan.zhihu.com/p/72929546]
+
 
−
* 知乎：动量梯度下降法[https://www.jiqizhixin.com/graph/technologies/d6ee5e5b-43ff-4c41-87ff-f34c234d0e32][]
+
==视频展示==
−
* 维基百科：模拟退火算法 [http://aigraph.cslt.org/courses/12/模拟退.pdf火][http://aigraph.cslt.org/courses/12/Simulated_annealing.pdf]
+
*小清爱提问：什么是聚类？ [https://mp.weixin.qq.com/s?__biz=Mzk0NjIzMzI2MQ==&mid=2247487378&idx=1&sn=bd2ec82d7baf0d4c3074f2b09bd678aa&chksm=c3080550f47f8c46308ce16dfe3facff9f9f09482c0da5ceb50c2ed0ba0043e5e3960bbf7df6&scene=178#rd]
−
* 百度百科：模拟退火算法[https://baike.baidu.com/item/%E6%A8%A1%E6%8B%9F%E9%80%80%E7%81%AB%E7%AE%97%E6%B3%95/355508][http://baike.baidu.com/l/Smyp3NfN]
+
*小清爱提问：什么是流形学习？[]
−
* 知乎：模拟退火详解 [https://zhuanlan.zhihu.com/p/266874840]
+
*小清爱提问：机器学习里有哪些回归模型[]
−
* 维基百科：牛顿法 [http://aigraph.cslt.org/courses/12/Newton's_method.pdf][http://aigraph.cslt.org/courses/12/牛顿法.pdf]
+
*小清爱提问：机器学习里有哪些分类模型[https://mp.weixin.qq.com/s?__biz=Mzk0NjIzMzI2MQ==&mid=2247486850&idx=1&sn=313502e7f4533d70fc627240df7fc4db&chksm=c3080740f47f8e56dbb88a8f9bdbf4486843b3a6a5b4a6dd31061cbcbca1f5f0f97cfbee87b6&scene=178#rd]
−
* 维基百科：奥卡姆剃刀[http://aigraph.cslt.org/courses/12/奥卡姆剃刀.pdf][http://aigraph.cslt.org/courses/12/Occam's_razor.pdf]
+
*UC Berkley的科学家用一小时教会机器人站立、抓取等动作 [http://aigraph.cslt.org/courses/08/DayDreamer.mp4][https://arxiv.org/pdf/2206.14176.pdf][https://danijar.com/project/daydreamer/]
−
* 百度百科：奥卡姆剃刀[https://baike.baidu.com/item/%E5%A5%A5%E5%8D%A1%E5%A7%86%E5%89%83%E5%88%80%E5%8E%9F%E7%90%86/10900565][http://baike.baidu.com/l/HUkXrXzT]
+
−
* 维基百科：过拟合[http://aigraph.cslt.org/courses/12/Overfitting.pdf][http://aigraph.cslt.org/courses/12/過適.pdf]
+
−
* 维基百科：GPT-3 [http://aigraph.cslt.org/courses/12/GPT-3-zh.pdf][http://aigraph.cslt.org/courses/12GPT-3-zh.pdf/]
+
−
* 机器之心：当谈论机器学习中的公平公正时，我们该谈论些什么？[https://www.jiqizhixin.com/articles/2020-06-03-11]
+
−
* 机器之心：数据增强 [https://www.jiqizhixin.com/articles/2019-12-04-10]
+
−
* 知乎：数据增强 [https://zhuanlan.zhihu.com/p/38345420][https://zhuanlan.zhihu.com/p/41679153]
+
−
* 什么是模型预训练[https://paddlepedia.readthedocs.io/en/latest/tutorials/pretrain_model/pretrain_model_description.html]
+
−
* 迁移学习 [https://baike.baidu.com/item/%E8%BF%81%E7%A7%BB%E5%AD%A6%E4%B9%A0/22768151]
+
  
  
第35行： 第23行：
  
  
−
* 优化方法在线演示 [https://www.benfrederickson.com/numerical-optimization/]
+
* 回归任务演示 [https://www.benfrederickson.com/numerical-optimization/]
−
* 基于神经网络的二分类任务演示 [https://cs.stanford.edu/people/karpathy/convnetjs/demo/classify2d.html]
+
* 分类任务演示 [https://cs.stanford.edu/people/karpathy/convnetjs/demo/classify2d.html]
 +
* 聚类演示 [http://alekseynp.com/viz/k-means.html]
 +
* 流形学习演示 （tSNE) [https://cs.stanford.edu/people/karpathy/tsnejs/csvdemo.html][https://projector.tensorflow.org/]
  
 
==开发者资源==
 
==开发者资源==
 +
 +
* 用于机器学习的Sklearn Python工具包，包含回归，分类，聚类，流形学习等各种函数库  [https://scikit-learn.org/stable/]
 +
  
 
==高级读者==
 
==高级读者==
  
−
* 王东，机器学习导论,第一章“绪论”，第十一章“优化方法”[http://mlbook.cslt.org]
+
* 王东，机器学习导论,2021,清华大学出版社 [http://mlbook.cslt.org]
−
* Wolpert, David (1996), "The Lack of A Priori Distinctions between Learning Algorithms", Neural Computation, pp. 1341–1390 [https://web.archive.org/web/20161220125415/http://www.zabaras.com/Courses/BayesianComputing/Papers/lack_of_a_priori_distinctions_wolpert.pdf]
+
* 周志华，机器学习,2016 [https://item.jd.com/11867803.html]
−
* Sebastian Ruder, An overview of gradient descend algorithms,2017 [https://arxiv.org/pdf/1609.04747.pdf]
+
−
* Kirkpatrick, S.; Gelatt Jr, C. D.; Vecchi, M. P. (1983). "Optimization by Simulated Annealing". Science. 220 (4598): 671–680. [https://sci2s.ugr.es/sites/default/files/files/Teaching/GraduatesCourses/Metaheuristicas/Bibliography/1983-Science-Kirkpatrick-sim_anneal.pdf]
+
−
* Brown et al., Language Models are Few-Shot Learners [https://arxiv.org/pdf/2005.14165.pdf]
+

2022年9月1日 (四) 09:09的最后版本

教学资料

  • 教学参考
  • 课件
  • 小清爱提问：监督学习和无监督学习有什么不同？[]
  • 小清爱提问：什么是强化学习？[]

扩展阅读

  • DeepMind AlphaGo博客[1]
  • 维基百科: AlphaGo [2][3]
  • DeepMind AlphaStar博客[4]
  • 维基百科: AlphaStar[5]

视频展示

  • 小清爱提问：什么是聚类？ [6]
  • 小清爱提问：什么是流形学习？[]
  • 小清爱提问：机器学习里有哪些回归模型[]
  • 小清爱提问：机器学习里有哪些分类模型[7]
  • UC Berkley的科学家用一小时教会机器人站立、抓取等动作 [8][9][10]


演示链接

  • 回归任务演示 [11]
  • 分类任务演示 [12]
  • 聚类演示 [13]
  • 流形学习演示 （tSNE) [14][15]

开发者资源

  • 用于机器学习的Sklearn Python工具包，包含回归，分类，聚类，流形学习等各种函数库 [16]


高级读者

  • 王东，机器学习导论,2021,清华大学出版社 [17]
  • 周志华，机器学习,2016 [18]
取自“http://index.cslt.org/mediawiki/index.php?title=第十三章_学习方法&oldid=39315”