Top AI Repos — open-source AI, indexed and scored
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
台湾大学李宏毅老师机器学习
| Date | Stars |
|---|---|
| 2026-07-31 | 1184 |
| 2026-08-06 | 1185 |
| 2026-08-11 | 1186 |
| 2026-08-13 | 1186 |
| 2026-08-14 | 1186 |
| 2026-08-15 | 1185 |
| 2026-08-16 | 1184 |
| 2026-08-18 | 1184 |
| 2026-08-19 | 1185 |
| 2026-08-30 | 1186 |
| 2026-09-01 | 1187 |
| 2026-09-16 | 1188 |
| 2026-09-17 | 1189 |
| 2026-09-20 | 1189 |
Today
— stars today
This week
+2 stars this week
This month
+4 stars this month
Momentum
0.0
growth rate 0.17%/day
# 大鱼AI🐟 ：李宏毅机器学习(台湾大学)
## 课程资料
1. [课程主页](http://speech.ee.ntu.edu.tw/~tlkagk/courses_ML17_2.html)
2. [课程笔记](https://blog.csdn.net/dukuku5038/article/details/82253966)
3. [课件百度云下载](https://pan.baidu.com/s/1UKYLGte5SJ1EWxxAaUcKOw)
3. [课程视频](https://www.bilibili.com/video/av10590361?from=search&seid=8516959386096686045)
4. [环境配置Anaconda](https://github.com/dafish-ai/NTU-Machine-learning/blob/master/assets/Anaconda完全入门指南.md)
5. [Jupyter NoteBook配置](http://baijiahao.baidu.com/s?id=1601883438842526311&wfr=spider&for=pc)
6. [Anaconda加速下载镜像](https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/?C=M&O=D)
7. [作业](https://github.com/dafish-ai/NTU-Machine-learning/tree/master/李宏毅机器学习-作业)
8. 比赛环境推荐使用Linux或者Mac系统，以下环境搭建方法皆适用:
[Docker环境配置](https://github.com/ufoym/deepo)
[本地环境配置](https://github.com/learning511/cs224n-learning-camp/blob/master/environment.md)
## 重要一些的资源：
1. [Dr.Wu 博客71篇(机器学习、深度学习、强化学习、对抗网络)](https://me.csdn.net/dukuku5038)
2. [Dr.Wu 本人知乎](https://www.zhihu.com/people/Dr.Wu/activities)
3. [深度学习经典论文](https://github.com/floodsung/Deep-Learning-Papers-Reading-Roadmap.git)
4. [深度学习斯坦福教程](http://deeplearning.stanford.edu/wiki/index.php/UFLDL%E6%95%99%E7%A8%8B)
5. [廖雪峰python3教程](https://www.liaoxuefeng.com/article/001432619295115c918a094d8954bd493037b03d27bf9a9000)
6. [github教程](https://www.liaoxuefeng.com/wiki/0013739516305929606dd18361248578c67b8067c8c017b000)
7. [莫烦机器学习教程](https://morvanzhou.github.io/tutorials)
8. [深度学习经典论文](https://github.com/floodsung/Deep-Learning-Papers-Reading-Roadmap.git)
9. [机器学习代码修行100天](https://github.com/Avik-Jain/100-Days-Of-ML-Code)
10. [吴恩达机器学习新书：machine learning yearning](https://github.com/AcceptedDoge/machine-learning-yearning-cn)
11. [自上而下的学习路线: 软件工程师的机器学习](https://github.com/ZuzooVn/machine-learning-for-software-engineers/blob/master/README-zh-CN.md)
## 1. 前言
Â
### 中文世界中最好的机器学习课程！
李宏毅老师的机器学习和深度学习系列课程，是中文世界中最好！课程中有深入浅出的讲解和幽默生动的比喻（还有口袋妖怪哦）。关键一切都是中文的！（除了
^_^）
本课程李宏毅老师的机器学习核心内容带学，作业讲解。主要包括：
（一）监督学习（回归、分类、BP反向传播、梯度下降）
（二）无监督学习（AutoEncoder、Neighbor Embedding、Deep Generative Model）
（三）迁移学习 （Transfer learning）
（四）结构化学习（Structure learning）
本课程每课都有课件，每周都有配套作业代码，十分推荐推荐学习。
## 2.数学知识复习
1.[线性代数](http://web.stanford.edu/class/cs224n/readings/cs229-linalg.pdf)
2.[概率论](http://web.stanford.edu/class/cs224n/readings/cs229-prob.pdf)
3.[凸函数优化](http://web.stanford.edu/class/cs224n/readings/cs229-cvxopt.pdf)
4.[随机梯度下降算法](http://cs231n.github.io/optimization-1/)
#### 中文资料：
- [机器学习中的数学基本知识](https://www.cnblogs.com/steven-yang/p/6348112.html)
- [统计学习方法](http://vdisk.weibo.com/s/vfFpMc1YgPOr)
**大学数学课本（从故纸堆里翻出来^_^）**
### 3.编程工具
#### 大鱼谷歌python训练营：
- [谷歌python](https://github.com/dafish-ai/Python-GoogleCourse)
#### 斯坦福资料：
- [Python复习](http://web.stanford.edu/class/cs224n/lectures/python-review.pdf)
#### 4. 中文书籍推荐：
- 《机器学习》周志华
- 《统计学习方法》李航
- 《机器学习课》邹博
## 5. 学习安排
本课程需要8周共15节课，
每周具体时间划分为4个部分:
- 1部分安排周一到周二
- 2部分安排在周四到周五
- 3部分安排在周日
- 4部分作业是本周任何时候空余时间
- 周日晚上提交作业运行截图
- 周三、周六休息^_^
#### 6.作业提交指南：
## 7.学习安排
一、整体学习路线
二、整体学习分解脑图
三、具体学习计划
### week 1
**学习准备**
**知识点复习**
**学习组队**
**第1节： 引言(Introduction)**
**课件：**[lecture1](https://github.com/dafish-ai/NTU-Machine-learning/blob/master/%E6%9D%8E%E5%AE%8F%E6%AF%85%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0-%E8%AF%BE%E4%BB%B6/1-introduction.pdf)
**笔记：**[lecture1-note1](https://blog.csdn.net/dukuku5038/article/details/82347021)
**视频：**
1.1 欢迎:[Welcome to Machine Learning](https://www.bilibili.com/video/av10590361/?p=1)
1.2 为什么要学习机器学习？:[Why learning ？](https://www.bilibili.com/video/av10590361/?p=2)
**作业 Week1：**
制定自己的学习计Excerpt of 12,418 characters
Read on GitHub
44
20
17
4
3
1
Would you bet a product on this? Bounded 0–100 and slow moving.
matched fp:a61a004a82239a12, llm:description: '台湾大学李宏毅老师机器学习' (NTU Machine Learning by Prof. Li Hongyi). Language: Jupyter Notebook. Likely course materials for machine learning.
matched fp:a61a004a82239a12, llm:description: '台湾大学李宏毅老师机器学习' (NTU Machine Learning by Prof. Li Hongyi). Language: Jupyter Notebook. Likely course materials for machine learning.