Machine Learning 2020 Spring (李宏毅)

人工智能的发展，本质上是一场关于“如何让机器具备学习能力”的探索。从最初基于规则的专家系统，到统计学习方法，再到如今以深度神经网络、大规模预训练模型为代表的人工智能浪潮，机器学习技术不断突破边界。而理解这些技术背后的核心思想，并不仅仅是掌握某个算法或者调用某个框架，更重要的是理解：

机器究竟是如何从数据中学习规律，并利用这些规律完成预测、决策和创造的？

李宏毅老师的《Machine Learning 2020》课程一直是机器学习领域极具影响力的入门课程之一。课程内容覆盖广泛，从最基础的回归(Regression)、分类(Classification)、梯度下降(Gradient Descent)等机器学习核心概念开始，逐步深入到深度学习(Deep Learning)的模型结构、训练方法以及近年来人工智能领域的重要研究方向。本课程内容跨度非常大，几乎覆盖了现代机器学习的重要方向。从传统机器学习 → 深度学习 → 表示学习 → 自监督学习 → 生成模型 → 迁移学习 → 元学习 → 强化学习，形成了一条完整的知识体系。

课程大纲