第一讲 - 学习问题

Lecture 01 - The Learning Problem

频道:caltech · 时长:1:21:27 · 发布:2012-08-28 · 播放:1477986

在 YouTube 观看

简介

加州理工学院 CS 156 机器学习课程的第一讲,由 Yaser Abu-Mostafa 讲授,介绍学习问题以及监督、无监督和强化学习。这是《从数据中学习》课程的 18 讲之一。

HN 为什么推荐

在“我该从哪里开始学 ML”的讨论中反复被推荐为清晰、注重数学的入门。

我发现加州理工学院的机器学习入门课程是迄今为止所有资源中最有启发性的 — HN, 2023

机器学习与深度学习 · 大学讲座与课程

中文字幕节选

播音员:以下节目由加州理工学院为您呈现。 YASER ABU-MOSTAFA:欢迎来到机器学习,也欢迎我们的在线 观众。 我先从课程大纲开始,然后进入今天讲座的 内容。 从大纲中可以看到,各个主题都标有颜色,这 表示它们的主要内容是数学性的还是实践性的。 机器学习是一个非常广泛的学科。 它从非常抽象的理论一直延伸到极端的实践,比如经验法则。 课程中是否包含某个主题,取决于它与 机器学习的相关性。 所以有些数学是有用的,因为它给你概念框架, 而一些实践方面也有用,因为它给你 处理真实学习系统的方法。 现在如果你看这些主题,它们并不是每讲 各自独立的主题。它们只是突出那些讲座的主要内容。 但有一条故事线贯穿其中,让我告诉你们 这条故事线是什么样的。它从这里开始:什么是学习? 我们能学习吗? 如何做到? 如何做好?然后是核心要点。 整个课程有一条逻辑依赖关系,而且有 一个例外。 有一讲,也就是第三讲,其实不属于这里。 它是一个实践性主题,我之所以把它放在前面,是因为我 需要给你们一些工具来摆弄,以测试 理论和概念方面的内容。 如果我等到它正常该出现的位置,也就是线性模型的 第二个方面,在下面那里,那么课程开头就会 太理论化,不合人们的口味。 如你所见,如果你看颜色,开头主要是红色, 最后主要是蓝色。 所以它先建立概念和理论。 然后再进入实践方面。 现在,让我开始今天的讲座。 讲座的主题是学习问题。 这是对学习是什么的介绍。 我会请大家注意这张幻灯片的一个方面,就是这一部分。 这是课程的标志。 信不信由你,这不是艺术作品。 这实际上是一个技术图形,会在其中一讲中出现。 我不会告诉你是哪一讲。 所以你可以期待它出现,但这实际上会是一个 我们会讨论的科学图形。 现在进入今天的讲座,我今天要讲 以下内容。 机器学习是一个非常广泛的学科,我将从一个 体现机器学习本质的例子开始。 这是一个关于大家都看的电影的有趣例子。 然后,我将从学习问题中抽象出 实践学习问题中所有学习情境共有的 方面,这些情境是你们将会面对的。 在抽象它们时,我们将得到学习问题的 数学形式化。 然后今天我们将得到第一个机器学习算法。 这是一个非常简单的算法,但它会确定一个想法,即在这种情况下 算法的作用是什么。 我们还将概述学习的类型,这样我们就知道本课程 强调哪一部分,以及哪些部分是相近的。 最后我会以一个谜题结束,一个非常有趣的谜题,它 这个谜题从多个角度看都很有意思,你到时候就会明白。 好,我先从一个例子讲起。 我要用来开场的机器学习例子是:观众如何 给一部电影打分。 这是个很有意思的问题,对我们来说有意思,是因为我们 自己会看电影;对出租电影的公司来说就更有意思了。 事实上,有一家公司 Netflix 想把他们内部的系统 仅仅提升 10%。 你登录时他们会给出推荐,推荐那些 他们认为你会喜欢的电影,也就是他们觉得你会打高分的电影。

HN 上的讨论

我发现加州理工的机器学习入门课程是迄今为止所有资源中最有启发性的:[VIDEO] 讲座材料的呈现对我来说就像黄油一样顺滑。不过对其他人可能效果不同。 — bob1029, 2023-04
我是机器学习的新手,但我非常喜欢旁听的一门课程是加州理工学院教授 Yaser Abu-Mostafa 教授的“从数据中学习”[1]。我发现 _学习模型_ 的概念特别新颖地代表了机器学习活动(从第一个视频的 14:39 开始 [2])[1]:[LINK] [2]:[VIDEO] — xtiansimon, 2017-07
加州理工学院机器学习入门课程:[VIDEO] karpathy 的 Zero to Hero 系列([LINK])meta llama 2 - 是开源的 [LINK] 工具:ai - 托管 Banana - 在无服务器 GPU 上部署机器学习模型 [LINK] pinecone - 向量数据库:[LINK] 如何在单个 CPU 电脑上运行 AI 语言模型 - [LINK] — GoldenMonkey, 2023-08
Christopher Bishop 的《模式识别与机器学习》。书:[LINK] 笔记:它非常非常数学化,但如果你真的想掌握每个主题的概念和思想,这是一个可行的方法。在线讲座:[VIDEO] 我喜欢他解释东西的方式,并为每个主题的数学添加了一些背景。替代:[LINK] 一个相当不错的 YouTube 频道,跟进现代机器学习,他所有的视频教程演示都在 GitHub 上。希望这对机器学习同行有帮助 :) — bonkerfied23, 2018-01
YouTube 上有一些关于机器学习的讲座。我觉得它们值得一看:[VIDEO] 和 [LINK],我最喜欢的频道是斯坦福和 MIT 开放课程 [LINK] 和 [LINK] — weishigoname, 2016-10

相关视频