首页

投稿

【2026】李宏毅机器学习深度学习系列课程全集，附：课程代码+ppt+学习资料！--人工智能/机器学习/深度学习

1.6万

119

2026-06-27 10:15:27

【视频配套籽料、学习路线、GitHub项目、实战案例集、电子书+问题解答请看 ”置顶平论” 自取哦】如果视频对你有用的话请一键三连【长按点赞】支持一下UP哦，拜托，这对我真的很重要！

计算机视觉

李宏毅-机器学习发消息

视频配套课件代码+AI系统学习路线图+学术论文写作发刊辅导请后台私信

【2026版】1、第一节上机器学习基本概念简介

49:59

【2026版】2、下深度学习基本概念简介

58:35

【2026版】3、第二节机器学习任务攻略

51:23

【2026版】4、类神经网络训练不起来怎么办一局部最小值 local

33:45

【2026版】5、类神经网络训练不起来怎么办二批次 batch 与动

30:59

【2026版】6、类神经网络训练不起来怎么办三自动调整学习率 Lear

37:42

【2026版】7、类神经网络训练不起来怎么办四损失函数 Loss 也

19:28

【2026版】8、再探宝可梦、数码宝贝分类器 — 浅谈机器学习原理

01:14:00

【2026版】9、第三节卷积神经网络CNN

55:39

【2026版】10、为什么用了验证集 validation set 结果却还

08:56

【2026版】11、鱼与熊掌可以兼得的机器学习

41:35

【2026版】12、第四节自注意力机制Selfattention上

28:18

【2026版】13、自注意力机制 Selfattention 下

45:58

【2026版】14、第五节类神经网络训练不起来怎么办五批次标准化 B

30:56

【2026版】15、 Transformer 上

32:48

【2026版】16、 Transformer 下

01:00:34

【2026版】17、各式各样神奇的自注意力机制 Selfattention

01:11:16

【2026版】18、第六节生成式对抗网络GAN 一 – 基本概念介紹

39:09

【2026版】19、生成式对抗网络GAN 二 – 理论介绍与WGAN

46:41

【2026版】20、生成式对抗网络GAN 三 – 生成器效能评估与条件式

49:47

【2026版】21、生成式对抗网络GAN 四 – Cycle GAN

23:41

【2026版】22、第七节自监督式学习一 – 芝麻街与进击的巨人

07:10

【2026版】23、自监督式学习二 – BERT简介

50:41

【2026版】24、自监督式学习三 – BERT的奇闻轶事

24:14

【2026版】25、自监督式学习四 – GPT的野望

17:04

【2026版】26、如何有效的使用自督导式模型 DataEfficient

01:22:09

【2026版】27、语音与影像上的神奇自督导式学习模型

01:21:59

【2026版】28、第八节自编码器 Autoencoder 上 –

19:01

【2026版】29、自编码器 Autoencoder 下 – 领结变声

30:35

【2026版】30、选修To Learn More Unsupervised Lear

01:40:21

【2026版】31、To Learn More Unsupervised Lear

30:59

【2026版】32、第九节机器学习的可解释性上 – 为什么神经网络可以正

49:08

【2026版】33、机器学习的可解释性下 –机器心中的猫长什么样子

22:45

【2026版】34、自然语言处理上的对抗式攻击由姜成翰助教讲授 Par

56:06

【2026版】35、第十节来自人类的恶意攻击 Adversarial AtA

29:49

【2026版】36、来自人类的恶意攻击 Adversarial AttackA

46:33

【2026版】37、第十一节概述领域自适应 Domain AdaptatiA

34:33

【2026版】38、恶搞自督导式学习模型 BERT的三个故事A

53:43

【2026版】39、第十二节概述增強式學習一 – 增强式学习和机器学习一A

45:02

【2026版】40、概述增强式学习二 – Policy GradientA

41:14

【2026版】41、概述增强式学习三 – ActorCriticA

34:41

【2026版】42、概述增强式学习四 – 回馈非常罕見的時候怎么办？机器A

17:35

【2026版】43、概述增强式学习五 – 如何从示范中学习？逆向增強式学A

27:08

【2026版】44、第十三节神经网络压缩一类神经网络剪枝PruA

29:32

【2026版】45、神经网络压缩二从各种不同的面向來压缩神经网络A

56:46

【2026版】46、第十四节机器终身学习一为什么今日的人工智能A

32:00

【2026版】47、机器終身学习二灾难性遗忘CatastropA

36:39

【2026版】48、作业说明 HW14 中文高清A

27:49

【2026版】49、作业说明 HW14A

22:03

【2026版】50、第十五节元学习 Meta Learning 一 A

46:20

【2026版】51、元学习 Meta Learning 二万物皆可 A

31:37

【2026版】52、各种奇葩的元学习 Meta Learning 用法A

31:13

【2026版】53、【机器学习】课程结语完结撒花A

27:41

1. 【机器学习2022】开学喽~ 又要周更了~

32:36

2. 第 1 讲：机器学习基本概念简介上

50:00

3. 第 1 讲：深度学习基本概念简介下

58:35

4. ML 2022 PyTorch Tutorial 1

31:01

5. ML 2022 PyTorch Tutorial 2

15:52

6. ML 2022 PyTorch Tutorial Colab

12:34

7. 第 1 讲（选修）：深度学习介绍

46:31

8. 第 1 讲（选修）：反向传播

31:26

9. 第 1 讲（选修）：预测神奇宝贝CP

01:18:36

10.10. 第 1 讲（选修）：神奇宝贝分类(

01:09:41

11. 第 1 讲（选修）：逻辑回归(

01:07:14

12. 第 2 讲：机器学习任务攻略(

51:24

13. 第 2 讲：类神经网络训练不起来怎么办（一）局部最小值 (loca(

33:45

14. 第 2 讲：类神经网络训练不起来怎么办（二）批次 (batch) (

30:59

15. 第 2 讲：类神经网络训练不起来怎么办 (三)：自动调整学习速率 (

37:43

16. 第 2 讲：类神经网络训练不起来怎么办(四)：损失函数(Loss)(

19:28

17. 【机器学习 2022】重温神奇宝贝和数码宝贝分类器——谈谈机器学习(

01:14:00

18. 第 2 讲（选修）：Gradient Descent（AOE 演示(

02:36

19. 第 2 讲（选修）： Gradient Descent（Minec(

01:41

20. 第 2 讲（选修）： Optimization for Deep(

54:36

21. 第 2 讲（选修）： Optimization for Deep (

54:32

22. 第 3 讲：卷积神经网络 (Convolutional Neura(

55:40

23. 【机器学习2022】为什么用了验证集结果还是过拟合了呢？(

08:56

24. 【机器学习 2022】鱼与熊掌可以兼得的深度学习(

41:35

25. 第 3 讲（选修）：Spatial Transformer Lay(

32:56

26. 第 4 讲：自注意力机制 (Self-attention) (上)(

28:18

27. 第 4 讲：自注意力机制 (Self-attention) (下(

45:58

28. 第 4 讲（选修）：RNN（Part I）(

49:00

29. 第 4 讲（选修）：RNN (Part II)(

01:30:50

30. 第 4 讲（选修）：GNN (1_2)(

39:02

31. 第 4 讲（选修）：GNN (2_2)(

01:11:37

32. 第 5 讲：Transformer (上)(

32:48

33. 第 5 讲：Transformer (下)(

01:00:34

34. 【机器学习 2022】各种各样神奇的自注意力机制 (Self-at(

01:11:16

35. 第 5 讲（选修）：Non-Autoregressive Sequ(

01:01:53

36. 第 5 讲（选修）：Pointer Network(

13:35

37. 第6讲：生成式对抗网络 (Generative Adversari(

39:09

38. 第6讲：生成式对抗网络 (Generative Adversari(

46:41

39. 第6讲：生成式对抗网络 (Generative Adversari(

49:47

40. 第6讲：生成式对抗网络 (Generative Adversari(

23:41

41. 第 6 讲（选修）：GAN 理论（第 1 部分）(

01:20:19

42. 第 6 讲（选修）：GAN 理论（第 2 部分）(

25:05

43. 第 6 讲（选修）：GAN 理论（第 3 部分）(

50:07

44. 第 6 讲（选修）：VAE(

01:03:31

45. 第 6 讲（选修）：Flow-based Generative (

01:07:52

46. 第 7 讲：自监督学习 (Self-supervised Lear(

07:10

47. 第 7 讲：自监督学习 (Self-supervised Lear(

50:41

48. 第 7 讲：自监督学习(Self-supervised Learn(

24:14

49. 第 7 讲：自监督学习(Self-supervised Learn(

17:04

50. 第 7 讲（选修）：BERT（第 1 部分）(

50:09

51. 第 7 讲（选修）：BERT（第 2 部分）(

01:11:47

52. 第 7 讲（选修）：GPT-3(

29:58

53. 第 8 讲：自编码器 (Auto-encoder) (上) – 基(

19:01

55. 第 8 讲（选修）：PCA(

01:40:21

56. 第 8 讲（选修）：t-SNE(

30:59

57. 第 9 讲：机器学习的可解释性 (Explainable ML) (

49:08

58. 第 9 讲：机器学习的可解释性 (Explainable ML)(

22:45

59. 第10讲：来自人类的恶意攻击(Adversarial Attack(

29:49

60. 第10讲：来自人类的恶意攻击(Adversarial Attack(

46:34

61. 第11讲：概述领域自适应 (Domain Adaptation)(

34:33

62. 第 12 讲：概述增强式学习(Reinforcement Lear(

45:02

63. 第 12 讲：概述增强式学习(Reinforcement Lear(

41:14

64. 第 12 讲：概述增强式学习(Reinforcement Lear(

34:41

65. 第 12 讲：概述增强式学习(Reinforcement Lear(

17:35

66. 第 12 讲：概述增强式学习(Reinforcement Lear(

27:08

67. 第 13 讲：神经网络压缩 (Network Compressio(

29:32

68. 第 13 讲：神经网络压缩 (Network Compressio(

56:46

69. 第 13 讲（选修）：Proximal Policy Optimi(

41:34

70. 第 13 讲（选修）： Q-learning (Basic Ide(

49:44

68. 第 13 讲：神经网络压缩 (Network Compressio(

56:46

69. 第 13 讲（选修）：Proximal Policy Optimi(

41:34

70. 第 13 讲（选修）： Q-learning (Basic Ide(

49:44

71. 第 13 讲（选修）：Q-learning (Advanced T(

38:31

73. 第 14 讲：机器终身学习 (Life Long Learning(

36:39

74. 第 15 讲：元学习Meta Learning (一)(

46:21

75. 第 15 讲：元学习Meta Learning (二)(

31:37

76. 第 15 讲（选修）：Meta Learning – MAML ((

07:41

77. 第 15 讲（选修）：Meta Learning – MAML ((

07:52

78. 第 15 讲（选修）：Meta Learning – MAML ((

10:21

79. 第 15 讲（选修）：Meta Learning – MAML ((

05:14

80. 第 15 讲（选修）：Meta Learning – MAML ((

13:22

81. 第 15 讲（选修）：Meta Learning – MAML ((

06:33

82. 第 15 讲（选修）：Meta Learning – MAML ((

08:54

83. 第 15 讲（选修）：Meta Learning – MAML ((

05:11

84. 第 15 讲（选修）：Meta Learning – MAML ((

06:53

85. 第 15 讲（选修）：Meta Learning - Gradie(

11:40

86. 第 15 讲（选修）：Meta Learning - Gradie(

10:05

87. 第 15 讲（选修）：Meta Learning - Gradie(

10:39

88. 第 15 讲（选修）：Meta Learning – Metric(

10:30

89. 第 15 讲（选修）：Meta Learning – Metric(

05:15

90. 第 15 讲（选修）：Meta Learning – Metric(

11:29

91. 第 15 讲（选修）：Meta Learning - Train+(

07:47

顶部