- 本文收录本号所有笔记、视频内容。涉及以下专栏,欢迎关注,长期更新
- 中科大凸优化 知识点笔记 -2011年课程《最优化理论》-凌青
- 清华大学《高级机器学习》课程笔记 -2020年-唐杰
- 深度无监督学习 -UCB CS294-158-2020年伯克利-Pieter Abbeel
- CMU-10707 深度学习 课程笔记 -2022年-Ruslan Salakhutdinov
- CUDA C++编程向导 v11.4.2 NVIDIA官方文档翻译
- UCB CS267 并行计算机应用 -2022年伯克利-Aydın Buluç
- 图说概率机器学习视频合集 -书籍《Probabilistic Machine Learning:An Introduction》2022- Kevin P Murphy
0. 杂谈
1. 中科大凸优化 知识点笔记 -2011年课程《最优化理论》-凌青
- 中科大凸优化1-4
- 中科大凸优化5-8
- 中科大凸优化9-12:凸函数
- 中科大凸优化13-16
- 中科大凸优化17-20
- 中科大凸优化21-24:凸优化问题
- 中科大凸优化25-28:典型凸优化问题
- 中科大凸优化29-32:对偶
- 中科大凸优化35-38:KKT条件
- 中科大凸优化39-42
- 中科大凸优化43-46:梯度下降法
- 中科大凸优化47-50
- 中科大凸优化51-52:交替方向乘子法
2. 清华大学《高级机器学习》课程笔记 -2020年-唐杰
- 《高级机器学习》第一讲 机器学习简介
- 《高级机器学习》第二讲 有监督学习(上) 支持向量机
- 《高级机器学习》第二讲 有监督学习(下) 深度前馈网络
- 《高级机器学习》 第三讲 (上) 无监督学习
- 《高级机器学习》第三讲 (下) 概率主题模型
- 《高级机器学习》第四讲 矩阵分解与推荐
- 《高级机器学习》第五讲 非参贝叶斯模型
- 《高级机器学习》第六讲 概率图模型
- 《高级机器学习》第七讲 近似推断算法
- 《高级机器学习》第八讲 集成方法
- 《高级机器学习》第九讲 卷积神经网络
- 《高级机器学习》第十讲 序列建模:循环与递归网络
- 《高级机器学习》第十一讲 自编码器
- 《高级机器学习》第十二讲 表示学习
- 《高级机器学习》第十三讲 网络的表示学习
- 《高级机器学习》第十四讲 自动机器学习
- 《高级机器学习》第十五讲 对抗学习
- 《高级机器学习》第十六讲 生成对抗网络与深度无监督学习课程第五讲、第六 讲高度重复,所以不再单独写文
- 《高级机器学习》第十七讲 在线学习--随机老虎机
- 《高级机器学习》第十八讲 强化学习
- 《高级机器学习》第十九讲 BERT技术
- 《高级机器学习》第二十讲 认知推理
- 《高级机器学习》第二十一讲 图神经网络之后
3. 深度无监督学习 -2020年伯克利-Pieter Abbeel
- CS294-158 第一讲 逻辑与动机
- CS294-158 第二讲 自回归模型
- CS294-158 第三讲 流模型
- CS294-158 第四讲 变分自编码器
- CS294-158 第五、六讲 生成对抗网络
- CS294-158 第七讲 自监督学习
- CS294-158 第八讲 优缺点综述
- CS294-158 第九讲 半监督学习与无监督分布对齐
- CS294-158 第十讲 压缩
- CS294-158 第十一讲 文本学习
- CS294-158 第十一讲 附-Transformer注释中译本
- 复旦邱锡鹏组最新Transformer综述
- CS294-158 第十二讲 强化学习中的表示学习
- CS294-158 补1 基于能量的模型
- CS294-158 补2 基于降噪扩散的生成式建模-基础与应用1 DDPM模型介绍
- CS294-158 补2 基于降噪扩散的生成式建模-基础与应用2 基于得分的生成式建模与微分方程与先进技术
- CS294-158 补2 基于降噪扩散的生成式建模-基础与应用3 扩散模型的应用
- CVPR2023 扩散模型教程2:扩散模型在图像处理领域的应用
- CVPR2023 扩散模型教程3:扩散模型在其他领域的应用
- CS294-158 补3 CV中的自监督表示学习1 掩码自编码器
- CS294-158 补3 CV中的自监督表示学习2 掩码自编码器在视频与音频中的应用
- CS294-158 补3 CV中的自监督表示学习3 目标发现与表示学习之间的良性循环
- CS294-158 补3 CV中的自监督表示学习4 对比学习用于视觉表示
- ICML 2023 教程 自监督学习:从先进研究到最佳应用
4. CMU-10707 深度学习 课程笔记 -2022年-Ruslan Salakhutdinov
- CMU-10707 第一、二讲 深度学习-引言
- CMU-10707 第三讲 神经网络I
- CMU-10707 第四讲 神经网络II
- CMU-10707 第五讲 卷积神经网络I
- CMU-10707 第六讲 卷积神经网络II
- CMU-10707 第七、八讲 概率图模型
- CMU-10707 第九讲 受限玻尔兹曼机
- CMU-10707 第十讲 深度信念网络
- CMU-10707 第十一讲 自编码器
- CMU-10707 第十二讲 图神经网络简介
- CMU-10707 第十三讲 语言建模
- CMU-10707 第十四讲 序列到序列建模I
- CMU-10707 第十五讲 序列到序列建模II
- CMU-10707 第十六讲 变分推断
- CMU-10707 第二十一讲 多模态机器学习
- ...本专栏正在更新中
5. CUDA C++编程向导 v11.4.2 NVIDIA官方文档翻译
- CUDA C++ 编程向导 第一章 引言
- CUDA C++ 编程向导 第二章 编程模型
- CUDA C++ 编程向导 第三章 编程接口(1)
- CUDA C++ 编程向导 第三章 编程接口(2)
- CUDA C++ 编程向导 第三章 编程接口(3)
- ...本专栏正在更新中
6. UCB CS267 并行计算机应用 -2022年伯克利-Aydın Buluç
- UCB CS267 并行计算机应用 第一讲 引言
- UCB CS267 并行计算机应用 第二讲 内存层次与矩阵相乘
- UCB CS267 并行计算机应用 第三讲 屋顶线模型
- UCB CS267 并行计算机应用 第四讲 共享内存编程-基于OpenMP
- UCB CS267 并行计算机应用 第五讲 仿真中的并行性与局域性的来源
- UCB CS267 并行计算机应用 第六讲(上) 仿真中的并行性与局域性的来源
- UCB CS267 并行计算机应用 第六讲(下) 矩阵相乘等算法中的通信优化
- UCB CS267 并行计算机应用 第七讲 图形处理单元GPU介绍
- UCB CS267 并行计算机应用 第八讲 数据并行算法
7. 图说概率机器学习视频合集 -书籍《Probabilistic Machine Learning:An Introduction》2022- Kevin P Murphy
第一章 引言
第二章 概率:一元模型
- 图2.1 离散概率分布
- 图2.2 正态分布
- 图2.4 一维混合高斯分布
- 图2.5 低阶统计量的不足
- 图2.9 二项式分布
- 图2.10 简单非线性函数
- 图2.11 二分类逻辑回归
- 图2.12 Softmax函数
- 图2.13 多分类逻辑回归
- 图2.14 拟合噪声方差
- 图2.15 长尾分布1
- 图2.16 长尾分布2
- 图2.17 Beta分布与Gamma分布
- 图2.22 两个均匀分布之和
- 图2.23 中心极限定理
- 图2.24 变量替换