筆記|李宏毅老師機(jī)器學(xué)習(xí)課程，視頻20Why Deep Learning?
《學(xué)習(xí)筆記》專欄·第23篇
文 | MLer
887字 | 2分鐘閱讀
【數(shù)據(jù)科學(xué)與人工智能】開通了機(jī)器學(xué)習(xí)群，大家可以相互學(xué)習(xí)和交流。請掃描下方二維碼，備注：姓名-ML，添加我為好友，誠邀你入群，一起進(jìn)步。
感謝李宏毅老師的分享，他的課程幫助我更好地學(xué)習(xí)、理解和應(yīng)用機(jī)器學(xué)習(xí)。李老師的網(wǎng)站：
http://speech.ee.ntu.edu.tw/~tlkagk/index.html。
這個(gè)學(xué)習(xí)筆記是根據(jù)李老師2017年秋季機(jī)器學(xué)習(xí)課程的視頻和講義做的記錄和總結(jié)。因?yàn)檫@個(gè)視頻是在Youtube上面，有些朋友可能無法觀看，我把它搬運(yùn)下來放在云盤上面，大家點(diǎn)擊閱讀原文，就可以直接在手機(jī)隨時(shí)隨地觀看了。再次，感謝李老師的付出和貢獻(xiàn)。
這門課，共有36個(gè)視頻，每個(gè)視頻播放的時(shí)間不一。我按著視頻播放的順序，觀看，聆聽和學(xué)習(xí)，并結(jié)合講義，做學(xué)習(xí)筆記。我做學(xué)習(xí)筆記目的有三：
1 幫助自己學(xué)習(xí)和理解機(jī)器學(xué)習(xí)
2 記錄機(jī)器學(xué)習(xí)的重要知識、方法、原理和思想
3 為傳播機(jī)器學(xué)習(xí)做點(diǎn)事情
視頻20：Why Deep Learning?
李老師通過下圖，拋出一個(gè)問題，為什么一個(gè)瘦而深的模型性能要優(yōu)于一個(gè)肥而短的模型？
李老師，通過模組化的思想來深入淺出地回答這個(gè)問題。關(guān)于模組化更詳細(xì)的內(nèi)容，請看視頻。
接下來，李老師談到了，模組化思想在語音領(lǐng)域的理解，并且對比分析了傳統(tǒng)語音識別算法HMM-GMM和DNN的差異。
模型構(gòu)建的過程中，一方面，要考慮模型的表示性，另一方面，也要考慮模型效率性。
李老師又用邏輯電路的思想，說明深度學(xué)習(xí)為什么要深的原理這個(gè)問題。
邏輯電路與神經(jīng)網(wǎng)絡(luò)的類比分析。
李老師，還介紹了端到端學(xué)習(xí)的思想以及應(yīng)用。并且進(jìn)一步說明了深度學(xué)習(xí)為什么要深這個(gè)問題。
1 端到端學(xué)習(xí)在語音識別領(lǐng)域
傳統(tǒng)方法
深度學(xué)習(xí)方法
2 端到端學(xué)習(xí)在影像識別領(lǐng)域
傳統(tǒng)方法
深度學(xué)習(xí)方法
深度學(xué)習(xí)，在一些更復(fù)雜問題上，發(fā)揮出的作用。
一種是，相似輸入，不同輸出
一種是，不同輸入，相同輸出
最后，李老師提供了一些進(jìn)一步學(xué)習(xí)的材料。
建議對這個(gè)問題感興趣的朋友，可以觀看視頻，學(xué)習(xí)和思考。
朋友們，在學(xué)習(xí)中有什么問題或者想法，請加入機(jī)器學(xué)習(xí)群，大家一起討論，共同進(jìn)步。
如何高效學(xué)習(xí)？費(fèi)曼學(xué)習(xí)法。
每周一書
課程視頻點(diǎn)擊
↓↓↓