Geoffrey Hinton 機器學習第四課
作為深度學習祖師,Geoffrey Hinton 的每一句每一言,都使學習者如奉綸音。濃縮其畢生所學的《Neutral Network for Machine Learning》,則是唯一一門 Hinton 老師系統講授的公開課。
自 2012 年開課,NNML 就一躍成為深度學習開發者的殿堂級慕課。時隔五年,仍然是內容最「干」、最值得學習的深度學習課程。
如果說吳恩達的《Machine Learning》是最佳入門課程,描述 NNML 則只需兩個字: 「必修」——對於有志於真正掌握深度學習的人而言。
它很難,但也因此沒有做任何「dumb down」——為照顧小白而犧牲「厚度」,把原本並不單純的原理硬以簡單的類比表述出來,是幾乎所有深度學習課程不得不做的妥協。
但這門課沒有。
本欄目將在AI研習社(公眾號:okweiwu)每周一、周三更新,敬請關注!
Lecure 4學習特徵向量
內容簡介
這節課介紹的是如何用BP反向傳播演算法訓練出詞向量,為了方便理解,先從一個族譜案例開始,形象演示神經元、獨熱編碼和反向傳播。
族譜是大腦神經元的一種簡化形式,這節課將概念特徵表達遷移到神經認知學上,從另外一個角度理解神經網路及其中的爭議。
感知器只能解決二分類問題,那分類問題怎麼辦?加Softmax層。Softmax函數能將輸出結果表示成多種類別上的概率分布,很好的解決了多分類問題。
了解完Softmax的原理,這節課講下它的一個應用場景:語音識別,如何在嘈雜的環境中,推斷一段語音說的是beach還是speech。
往期課程
--------------------------------------------------
為了讓廣大 AI 青年們不再為英語所累,快速進入學習狀態,雷鋒網旗下 「AI 研習社」 推出了深度學習之父 Geoffrey Hinton 的《Neutral Network for Machine Learning》中文系列視頻課程。PS: 出於對 Hinton 知識成果的尊重以及版權的需要,AI 研習社已經獲得了 Hinton 教授的親自授權。
---------------------------------------------
【千G神經網路/人工智慧/大數據、教程、論文!】
※通過自動化機器學習對抗Java惡意軟體
※Hinton 機器學習視頻中文版:線性神經元的權值收斂
※雲服務提供商會稱霸機器學習領域嗎?早期跡象給出了肯定的答案
※Hinton 機器學習視頻中文版:感知器的局限性
※Hinton 機器學習視頻中文版:感知器的幾何空間解析
TAG:機器學習 |
※機器人先生 Geoffrey Hinton
※機器學習技法-lecture5:Kernel Logistic Regression
※微軟機器學習Machine Learning Studio學習筆記
※機器學習基石-The Learning Problem
※Facebook發布Tensor Comprehensions:自動編譯高性能機器學習核心的C+庫
※第55期:Python機器學習實踐指南、Tensorflow 實戰Google深度學習框架
※機器學習基石-Noise and Error
※Learning Memory Access Patterns,資料庫+機器學習探索
※基於 Python Schema 的機器學習庫——Smart Fruit
※機器學習特徵工程之皮爾森相關係數 pearson correlation of features
※Machine Learning:十大機器學習演算法
※谷歌發布機器學習規則 (Rules of Machine Learning):關於機器學習工程的最佳實踐(下)
※用AI 打造遊戲,Unity 機器學習 Agent——ml-agents
※Python 機器學習 Scikit-learn 完全入門指南
※FAIR開源Tensor Comprehensions,讓機器學習與數學運算高性能銜接
※FAIR 開源 Tensor Comprehensions,讓機器學習與數學運算高性能銜接
※scikit-learn機器學習初體驗
※Andrew Ng經典機器學習課程的Python實現2
※谷歌發布機器學習規則 (Rules of Machine Learning):關於機器學習工程的最佳實踐(上)
※英特爾宣布Windows機器學習Movidius Myriad X VPU