MoonshotAI
精选
Kimi-K3
Kimi K3 is an open-weight, 2.8T-parameter native multimodal agentic model with a 1M-token context window, designed for frontier coding, knowledge work, and reasoning tasks.
AI 仓库情报摘要
FR-AI / ANALYSIS为什么值得关注
它将两学年广受好评的机器学习课程讲义系统整理成可下载的集合，附带了少量作业代码与数据，是自学和复习的便利资源。
适合谁使用
- 正在学习李宏毅课程的学生
- 需要系统讲义资料的自学者
- 寻找参考讲稿的教师
- 回顾机器学习主题的研究者
典型使用场景
- 离线学习或复习特定讲座内容
- 快速查阅讲义以配合作业或考试准备
- 教学或备课时的参考材料
- 利用提供的代码与数据复现作业结果
项目优势
- 2021与2022年讲义按年份和讲座编号分组，便于浏览
- 收录了2022年HW01–HW03作业，包含代码、数据与结果
- 使用Git LFS管理大型PPTX文件，避免仓库臃肿
- 提供CSV文件记录每份讲义的原下载地址
使用前须知
- 非官方仓库，部分讲座（如2022第4讲）课程页面未提供PDF
- 仅收录2022年部分作业，2021年作业未归档
- 大文件需要安装Git LFS才能完整下载，额外步骤
README 快速开始
李宏毅《机器学习》2021 / 2022 Spring 课程资料
本仓库按课程年份和 Lecture 顺序整理李宏毅老师 Machine Learning 2021 Spring 与 Machine Learning 2022 Spring 课程页面公开提供的 PDF / PPTX 讲义，方便个人学习与查阅。
本仓库是个人学习归档，并非课程官方仓库。课程安排与资料版本请以课程主页为准。
快速导航
2021 Spring 讲义目录 · 2022 Spring 讲义目录 · 2022 作业目录 · Git LFS · 版权说明
目录结构
.
├── 2021/
│ ├── lectures/ # 13 个 Lecture 分类，45 份 PDF / PPTX
│ └── lecture-files.csv # 文件名、Lecture 与原始下载地址
└── 2022/
├── lectures/ # 原仓库的 2022 课程讲义
└── homeworks/ # 原仓库已有作业，当前包含 HW01
2021 Spring
| Lecture | 课程主题 | 主要讲义 |
|---|---|---|
| Lecture 01 | Introduction | 课程介绍（中/英文）、Regression |
| Lecture 02 | Deep Learning | Overfit、Critical Point、Optimizer、Classification |
| Lecture 03 | CNN & Self-Attention | ML Pretest、CNN、Self-Attention |
| Lecture 04 | Theory of ML | PAC Learning |
| Lecture 05 | Transformer | Normalization、Seq2Seq |
| Lecture 06 | Generative Model | GAN |
| Lecture 07 | Self-Supervised Learning | BERT、Auto-Encoder |
| Lecture 08 | Explainable AI / Adversarial Attack | XAI、Adversarial Attack |
| Lecture 09 | Domain Adaptation | Domain Adaptation |
| Lecture 10 | Reinforcement Learning | DRL |
| Lecture 11 | Quantum ML | 客座讲义 |
| Lecture 12 | Life-Long Learning / Compression | Life-long Learning、Network Compression |
| [Lecture 13](./2021/lectures/Lecture%2013%20-%20Meta%20Lear |
项目描述
2022 Spring 李宏毅机器学习课程笔记、作业与实验
相关仓库与替代方案
根据分类、Topic 和编程语言匹配的相似项目。
xuchonglang
精选
investing-for-beginners
A structured investing guide for Chinese beginners covering US stocks, options, and cryptocurrency, with focus on foundational concepts and risk awareness.
Krishnagangwal
精选
CS-Fundamentals
A curated collection of Computer Science fundamentals (PDFs, notes, cheatsheets, interview question banks) for placement preparation, covering seven core subjects plus general resources.