ML YouTube 코스
DAIR.AI에서 우리는 AI Education을 개방합니다. 이 저장소에서는 YouTube에서 사용할 수있는 최고의 기계 학습 과정을 색인하고 구성합니다.
기계 학습
- Caltech CS156 : 데이터로부터 학습
- 스탠포드 CS229 : 머신 러닝
- 머신 러닝과 친구가됩니다
- 응용 기계 학습
- 머신 러닝 소개 (Tübingen)
- 머신 러닝 강의 (Stefan Harmeling)
- 통계 기계 학습 (Tübingen)
- 확률 론적 기계 학습
- MIT 6.S897 : 의료를위한 머신 러닝 (2019)
딥 러닝
- 신경 네트워크 : 0에서 영웅까지
- MIT : 예술, 미학 및 창의성에 대한 딥 러닝
- 스탠포드 CS230 : 딥 러닝 (2018)
- 딥 러닝 소개 (MIT)
- CMU 딥 러닝 소개 (11-785)
- 딥 러닝 : CS 182
- 감독되지 않은 학습
- NYU 딥 러닝 SP21
- 기초 모델
- 딥 러닝 (Tübingen)
과학 기계 학습
실용적인 기계 학습
- LLMOPS : 대형 언어 모델로 실제 응용 프로그램 구축
- 생성 AI 평가 및 디버깅
- 개발자를위한 ChatGpt 프롬프트 엔지니어링
- LLM 애플리케이션 개발을위한 Langchain
- Langchain : 데이터와 채팅
- Chatgpt API를 사용한 시스템 구축 시스템
- Langchain & Vector 데이터베이스 생산
- LLM 구동 앱 구축
- 풀 스택 LLM 부트 캠프
- 풀 스택 딥 러닝
- 코더를위한 실용적인 딥 러닝
- 스탠포드 MLSYS 세미나
- 생산을위한 머신 러닝 엔지니어링 (MLOPS)
- 데이터 중심 AI 소개
자연어 처리
- XCS224U : 자연어 이해 (2023)
- 스탠포드 CS25- 트랜스포머 유나이티드
- NLP 코스 (포옹)
- CS224N : 딥 러닝을 통한 자연 언어 처리
- NLP 용 CMU 신경망
- CS224U : 자연어 이해
- CMU 고급 NLP 2021/2022/2024
- 다국어 NLP
- 고급 NLP
컴퓨터 비전
- CS231N : 시각적 인식을위한 Convolutional Neural Networks
- 컴퓨터 비전을위한 딥 러닝
- 컴퓨터 비전을위한 딥 러닝 (DL4CV)
- 컴퓨터 비전을위한 딥 러닝 (Neuralearn.ai)
강화 학습
- 깊은 강화 학습
- 강화 학습 강의 시리즈 (DeepMind)
- 강화 학습 (Polytechnique Montreal, 2021 년 가을)
- Deep RL의 기초
- 스탠포드 CS234 : 강화 학습
그래프 머신 러닝
- 그래프가있는 머신 러닝 (Stanford)
- 탄미 기하학적 딥 러닝 코스
멀티 태스킹 학습
기타
- 생명 과학의 딥 러닝
- 자율 주행 차 (Tübingen)
- 고급 로봇 공학 (버클리)
Caltech CS156 : 데이터로부터 학습
기본 이론, 알고리즘 및 응용 프로그램을 다루는 기계 학습의 입문 과정.
- 강의 1 : 학습 문제
- 강의 2 : 학습이 실현 가능합니까?
- 강의 3 : 선형 모델 i
- 강의 4 : 오류 및 소음
- 강의 5 : 훈련 대 테스트
- 강의 6 : 일반화 이론
- 강의 7 : VC 차원
- 강의 8 : 바이어스 분산 트레이드 오프
- 강의 9 : 선형 모델 II
- 강의 10 : 신경망
- 강의 11 : 과적
- 강의 12 : 정규화
- 강의 13 : 검증
- 강의 14 : 지원 벡터 머신
- 강의 15 : 커널 방법
- 강의 16 : 방사형 기본 기능
- 강의 17 : 세 가지 학습 원칙
- 강의 18 : 에필로그
? 코스 링크
스탠포드 CS229 : 머신 러닝
ML의 일부 기본 사항을 배우려면 :
- 선형 회귀 및 그라디언트 하강
- 로지스틱 회귀
- 순진한 베이
- SVMS
- 커널
- 의사 결정 트리
- 신경망 소개
- ML 모델 디버깅 ...
? 코스 링크
머신 러닝과 친구가됩니다
ML의 다양한 입문 주제를 다루는 일련의 미니 강의 :
- AI의 설명 가능성
- 분류 대 회귀
- 세차 대 회상
- 통계적 중요성
- 클러스터링 및 K- 평균
- 앙상블 모델 ...
? 코스 링크
신경 네트워크 : 제로에서 영웅 (Andrej Karpathy)
신경망의 심층 개요를 제공하는 과정.
- 역전
- 언어 모델링에 대한 인트로
- 활성화 및 그라디언트
- 백 프롭 닌자가됩니다
? 코스 링크
MIT : 예술, 미학 및 창의성에 대한 딥 러닝
예술, 미학 및 창의성에 대한 딥 러닝의 적용을 다룹니다.
- 향수 -> 예술 -> 창의성 -> 데이터로서의 진화 + 방향
- 효율적인 간간
- 창의성을위한 AI의 탐험
- 신경 추상화
- 일관된 신경 분야가있는 쉬운 3D 컨텐츠 제작 ...
? 코스 링크
스탠포드 CS230 : 딥 러닝 (2018)
딥 러닝의 기초, 다양한 신경망 (CNN, RNN, LSTM 등), 기계 학습 프로젝트를 이끌 방법, 딥 러닝 실무자를위한 경력 조언을 다룹니다.
- 딥 러닝 직관
- 적대적 사례 -Gans
- 딥 러닝 프로젝트의 풀 사이클
- AI 및 건강 관리
- 딥 러닝 전략
- 신경망의 해석 가능성
- 경력 조언 및 읽기 연구 논문
- 깊은 강화 학습
? 코스 링크? 재료 링크
응용 기계 학습
ML에서 가장 널리 사용되는 기술을 배우려면 :
- 최적화 및 미적분학
- 지나치게 적합하고 부적합
- 정규화
- 몬테 카를로 추정
- 최대 가능성 학습
- 가장 가까운 이웃
- ...
? 코스 링크
머신 러닝 소개 (Tübingen)
이 과정은 기계 학습에 대한 기본 소개 역할을하며 회귀, 분류, 최적화, 정규화, 클러스터링 및 차원 감소의 주요 개념을 다룹니다.
- 선형 회귀
- 로지스틱 회귀
- 정규화
- 부스팅
- 신경망
- PCA
- 클러스터링
- ...
? 코스 링크
머신 러닝 강의 (Stefan Harmeling)
많은 기본 ML 개념을 다룹니다.
- 베이 에스 규칙
- 논리에서 확률로
- 분포
- 매트릭스 차동 미적분학
- PCA
- K- 평균과 EM
- 인과 관계
- 가우스 프로세스
- ...
? 코스 링크
통계 기계 학습 (Tübingen)
이 과정은 통계 기계 학습의 표준 패러다임 및 알고리즘을 다룹니다.
- Knn
- 베이지안 결정 이론
- 볼록 최적화
- 선형 및 능선 회귀
- 로지스틱 회귀
- SVM
- 임의의 숲
- 부스팅
- PCA
- 클러스터링
- ...
? 코스 링크
코더를위한 실용적인 딥 러닝
이 과정은 다음과 같은 주제를 다룹니다.
- 컴퓨터 비전, 자연어 처리, 표 성 분석 및 협업 필터링 문제에 대한 딥 러닝 모델 구축 및 훈련
- 임의의 숲과 회귀 모델을 만듭니다
- 배포 모델
- 세계에서 가장 빠르게 성장하는 딥 러닝 소프트웨어 인 Pytorch와 Fastai 및 Hugging Face와 같은 인기있는 라이브러리를 사용하십시오.
- 확산 모델에 대한 기초와 깊은 다이빙
- ...
? 코스 링크 - 1 부
? 코스 링크 -2 부
스탠포드 MLSYS 세미나
기계 학습 시스템 구축과 관련된 모든 종류의 주제에 대한 세미나 시리즈.
? 강의 링크
생산을위한 머신 러닝 엔지니어링 (MLOPS)
Andrew Ng의 Mlops 전문 과정.
? 강의 링크
데이터 중심 AI 소개
데이터 세트를 개선하기위한 기술을 연구하는 DCAI (Data-Centric AI)의 신흥 과학을 다룹니다. 이는 종종 실제 ML 애플리케이션의 성능을 향상시키는 가장 좋은 방법입니다. 주제는 다음과 같습니다.
- 데이터 중심 AI 대 모델 중심 AI
- 레이블 오류
- 데이터 세트 생성 및 큐 레이션
- ML 모델의 데이터 중심 평가
- 클래스 불균형, 특이 치 및 분포 이동
- ...
? 코스 웹 사이트
? 강의 비디오
? 실험실 할당
그래프가있는 머신 러닝 (Stanford)
기계 학습의 최신 그래프 기술을 배우려면 :
- PageRank
- 매트릭스 인수 화
- 노드 임베딩
- 그래프 신경망
- 지식 그래프
- 그래프에 대한 깊은 생성 모델
- ...
? 코스 링크
확률 론적 기계 학습
ML의 확률 패러다임을 배우기 위해 :
- 불확실성에 대한 추론
- 연속 변수
- 견본 추출
- Markov Chain Monte Carlo
- 가우스 분포
- 그래픽 모델
- 튜닝 추론 알고리즘
- ...
? 코스 링크
MIT 6.S897 : 의료를위한 머신 러닝 (2019)
이 과정은 학생들에게 임상 데이터의 특성 및 위험 계층화, 질병 진행 모델링, 정밀 의학, 진단, 하위 유형 발견 및 임상 워크 플로 개선을위한 기계 학습 사용을 포함하여 의료 분야의 기계 학습을 소개합니다.
? 코스 링크
딥 러닝 소개
딥 러닝의 기본 사항 중 일부를 배우려면 :
? 코스 링크
CMU 딥 러닝 소개 (11-785)
이 과정은 MLP (Multi Layer Perceptrons)에서 점진적으로 시작한 다음주의 및 시퀀스-시퀀스 모델과 같은 개념으로 진행됩니다.
? 코스 링크
? 강의
? 튜토리얼/암송
딥 러닝 : CS 182
딥 러닝에서 널리 사용되는 기술을 배우려면 :
- 기계 학습 기본
- 오류 분석
- 최적화
- 역전
- 초기화
- 배치 정규화
- 스타일 전송
- 모방 학습
- ...
? 코스 링크
감독되지 않은 학습
감독되지 않은 학습에서 최신의 가장 널리 사용되는 기술을 배우려면 :
- 자동 회귀 모델
- 흐름 모델
- 잠재 변수 모델
- 자기 감독 학습
- 암시 적 모델
- 압축
- ...
? 코스 링크
NYU 딥 러닝 SP21
딥 러닝에서 고급 기술을 배우려면 :
- 신경망 : 회전과 스쿼시
- 잠재적 인 가변 에너지 기반 모델
- 감독되지 않은 학습
- 생성 적대적 네트워크
- 자동 인코더
- ...
? 코스 링크
기초 모델
GPT-3, Clip, Flamingo, Codex 및 Dino와 같은 기초 모델에 대해 알아보십시오.
? 코스 링크
딥 러닝 (Tübingen)
이 과정은 심층 신경망의 실용적이고 이론적 원칙을 소개합니다.
- 계산 그래프
- 활성화 기능 및 손실 기능
- 교육, 정규화 및 데이터 확대
- 컨볼 루션 네트워크 및 그래프 신경망을 포함한 기본 및 최첨단 심층 신경망 아키텍처
- 자동 인코더, 변형 자동 인코더 및 생성 적대 네트워크와 같은 깊은 생성 모델
- ...
? 코스 링크
병렬 컴퓨팅 및 과학 기계 학습
- 과학 시뮬레이터의 기본
- 병렬 컴퓨팅 소개
- 연속 역학
- 역 문제와 차별화 가능한 프로그래밍
- 분산 병렬 컴퓨팅
- 물리 정보 신경 네트워크 및 신경 미분 방정식
- 확률 론적 프로그래밍, 일명 프로그램에 대한 베이지안 추정
- 모델의 이해를 세계화
? 코스 링크
XCS224U : 자연어 이해 (2023)
이 과정은 다음과 같은 주제를 다룹니다.
- 맥락 단어 표현
- 정보 검색
- 텍스트 내 학습
- NLU 모델의 행동 평가
- NLP 방법 및 메트릭
- ...
? 코스 링크
스탠포드 CS25- 트랜스포머 유나이티드
이 과정은 변압기에 중점을 둔 강의로 구성되어 깊은 다이빙 및 응용 프로그램을 제공합니다.
- 변압기 소개
- 언어의 변압기 : GPT-3, Codex
- 비전 응용
- RL 및 범용 컴퓨터 엔진의 변압기
- 스케일링 변압기
- 변압기를 사용한 해석 가능성
- ...
? 코스 링크
NLP 코스 (포옹)
다양한 NLP 개념과 언어 모델 및 변압기를 NLP에 적용하는 방법에 대해 알아보십시오.
- 이전 학습이란 무엇입니까?
- BPE 토큰 화
- 배치 입력
- 미세 조정 모델
- 텍스트 임베딩 및 시맨틱 검색
- 모델 평가
- ...
? 코스 링크
CS224N : 딥 러닝을 통한 자연 언어 처리
딥 러닝 기반 NLP에 대한 최신 접근법을 배우려면 :
- 의존성 구문 분석
- 언어 모델 및 RNN
- 질문 대답
- 변압기와 사전 조정
- 자연어 생성
- T5 및 대형 언어 모델
- NLP의 미래
- ...
? 코스 링크
NLP 용 CMU 신경망
NLP에 대한 최신 신경망 기반 기술을 배우려면 :
- 언어 모델링
- 효율성 트릭
- 조건부 세대
- 구조화 된 예측
- 모델 해석
- 고급 검색 알고리즘
- ...
? 코스 링크
CS224U : 자연어 이해
자연어 이해의 최신 개념을 배우려면 :
- 기초 언어 이해
- 관계 추출
- 자연 언어 추론 (NLI)
- NLU 및 신경 정보 추출
- 적대적 테스트
- ...
? 코스 링크
CMU 고급 NLP
배우려면 :
- 현대 NLP 기술의 기본 사항
- 멀티 태스킹, 멀티 도메인, 다국어 학습
- 프롬프트 + 시퀀스-시퀀스 사전 훈련
- NLP 모델 해석 및 디버깅
- 지식 기반으로부터 배우기
- 적대적 학습
- ...
? 2021 년 에디션 링크
? 2022 판에 링크
? 2024 년 에디션 링크
다국어 NLP
다국어 NLP를 수행하기위한 최신 개념을 배우려면 :
- 유형
- 단어, 연설의 일부 및 형태
- 고급 텍스트 분류
- 기계 번역
- Mt
- 낮은 리소스 ASR
- 적극적인 학습
- ...
? 2020 코스에 연결하십시오
? 2022 코스에 연결하십시오
고급 NLP
NLP에서 고급 개념을 배우려면 :
- 주의 메커니즘
- 변압기
- 버트
- 질문 대답
- 모델 증류
- 비전 + 언어
- NLP의 윤리
- 상식 추론
- ...
? 코스 링크
CS231N : 시각적 인식을위한 Convolutional Neural Networks
스탠포드의 유명한 CS231N 코스. 이 비디오는 2017 년 봄 학기에만 사용할 수 있습니다. 이 과정은 현재 컴퓨터 비전의 딥 러닝으로 알려져 있지만 2017 년 봄 버전은 시각적 인식을위한 Convolutional Neural Networks라는 제목입니다.
- 이미지 분류
- 손실 기능 및 최적화
- 신경망 소개
- 컨볼 루션 신경 네트워크
- 교육 신경망
- 딥 러닝 소프트웨어
- CNN 아키텍처
- 재발 성 신경망
- 탐지 및 분할
- 시각화와 이해
- 생성 모델
- 깊은 강화 학습
? 코스 링크? 재료 링크
컴퓨터 비전을위한 딥 러닝
CV의 기본 개념 중 일부를 배우려면 :
- 이력서 딥 러닝 소개
- 이미지 분류
- 컨볼 루션 네트워크
- 주의 네트워크
- 탐지 및 분할
- 생성 모델
? 코스 링크
컴퓨터 비전을위한 딥 러닝 (DL4CV)
컴퓨터 비전을위한 현대적인 방법을 배우려면 :
- CNNS
- 고급 파이토치
- 신경망 이해
- RNN, 관심과 vits
- 생성 모델
- GPU 기초
- 자기 감독
- 신경 렌더링
- 효율적인 아키텍처
? 코스 링크
컴퓨터 비전을위한 딥 러닝 (Neuralearn.ai)
컴퓨터 비전을위한 현대적인 방법을 배우려면 :
- 자기 감독 학습
- 신경 렌더링
- 효율적인 아키텍처
- 기계 학습 운영 (MLOPS)
- 현대 컨볼 루션 신경 네트워크
- 시력의 변압기
- 모델 배포
? 코스 링크
탄미 기하학적 딥 러닝 코스
기하학적 딥 러닝의 개념에 대해 배우려면 :
- 높은 차원에서 학습
- 기하학적 사전
- 그리드
- 매니 폴드 및 메쉬
- 시퀀스와 시간 뒤틀림
- ...
? 코스 링크
깊은 강화 학습
Deep RL의 최신 개념을 배우려면 :
- RL에 소개
- RL 알고리즘
- 실제 순차적 의사 결정
- 행동에 대한 감독
- 깊은 모방 학습
- 비용 기능 및 보상 기능
- ...
? 코스 링크
강화 학습 강의 시리즈 (DeepMind)
딥 러닝 강의 시리즈는 DeepMind와 UCL 인공 지능 센터 간의 협력입니다.
- RL 소개
- 동적 프로그래밍
- 모델이없는 알고리즘
- 깊은 강화 학습
- ...
? 코스 링크
LLMOPS : 대형 언어 모델로 실제 응용 프로그램 구축
현장에서 최신 도구와 기술을 사용하여 LLM을 사용하여 최신 소프트웨어를 구축하는 방법을 배우십시오.
? 코스 링크
생성 AI 평가 및 디버깅
당신은 배울 것입니다 :
- 주기주기 노트북
- 하이퍼 파라미터 구성을 관리하십시오
- 로그 실행 메트릭
- 데이터 세트 및 모델 버전 작성에 대한 아티팩트를 수집하십시오
- 로그 실험 결과
- LLM에 대한 추적 프롬프트 및 응답
- ...
? 코스 링크
개발자를위한 ChatGpt 프롬프트 엔지니어링
LLM (Large Language Model)을 사용하여 새롭고 강력한 응용 프로그램을 신속하게 구축하는 방법을 알아보십시오.
? 코스 링크
LLM 애플리케이션 개발을위한 Langchain
당신은 배울 것입니다 :
- 모델, 프롬프트 및 파서
- LLM에 대한 추억
- 쇠사슬
- 문서에 대한 질문에 대한 질문
- 자치령 대표
? 코스 링크
Langchain : 데이터와 채팅
당신은 다음에 대해 배울 것입니다 :
- 문서로드
- 문서 분할
- 벡터 저장 및 임베딩
- 검색
- 질문 대답
- 채팅
? 코스 링크
Chatgpt API를 사용한 시스템 구축 시스템
체인 호출을 대형 언어 모델로 사용하여 복잡한 워크 플로우를 자동화하는 방법을 알아보십시오.
? 코스 링크
Langchain & Vector 데이터베이스 생산
생산에서 Langchain 및 Vector DBS를 사용하는 방법에 대해 알아보십시오.
- LLMS 및 Langchain
- 프롬프트 방법을 배우는 것
- 지식을 유지하는 지수를 유지합니다
- 체인과 함께 구성 요소를 결합합니다
- ...
? 코스 링크
LLM 구동 앱 구축
LLM API를 사용하여 LLM 구동 응용 프로그램을 구축하는 방법에 대해 알아보십시오
- 포장 풀기 LLM API
- 기준 LLM 응용 프로그램 구축
- LLM 응용 프로그램 향상 및 최적화
- ...
? 코스 링크
풀 스택 LLM 부트 캠프
LLM 기반 응용 프로그램을 구축하고 배포하는 방법을 배우려면 :
- 철자 학습 : 신속한 엔지니어링
- llmops
- 언어 사용자 인터페이스 용 UX
- 증강 언어 모델
- 1 시간 안에 LLM 앱을 시작하십시오
- LLM 기초
- 프로젝트 연습 : AskFSDL
- ...
? 코스 링크
풀 스택 딥 러닝
전체 스택 제작 딥 러닝을 배우려면 :
- ML 프로젝트
- 인프라 및 툴링
- 실험 관리
- DNNS 문제 해결
- 데이터 관리
- 데이터 라벨링
- ML 모델 모니터링
- 웹 배포
- ...
? 코스 링크
딥 러닝 및 깊은 생성 모델 소개
딥 러닝의 기본 개념을 다룹니다
- 단일 계층 신경망 및 그라디언트 하강
- 다층 신경 네트워크 및 역전
- 이미지를위한 컨볼 루션 신경 네트워크
- 텍스트를위한 반복 신경 네트워크
- 자동 인코더, 변동성 자동 인코더 및 생성 적대자 네트워크
- 인코더 디코더 재발 성 신경망 및 변압기
- Pytorch 코드 예제
? 코스 링크? 재료 링크
자율 주행 차 (Tübingen)
자율 주행 자동차의 가장 지배적 인 패러다임을 다루고 있습니다.
- 카메라, LIDAR 및 레이더 기반 인식
- 현지화, 내비게이션, 경로 계획
- 차량 모델링/제어
- 딥 러닝
- 모방 학습
- 강화 학습
? 코스 링크
강화 학습 (Polytechnique Montreal, 2021 년 가을)
자율적 의사 결정 시스템을 설계하는 것은 인공 지능의 오랜 목표 중 하나입니다. 이러한 의사 결정 시스템은 실현 된 경우 로봇 공학, 게임 재생, 제어, 건강 관리에 대한 기계 학습에 큰 영향을 줄 수 있습니다. 이 과정은 이러한 자율적 의사 결정 시스템을 설계하기위한 일반적인 프레임 워크로서 강화 학습을 소개합니다.
- RL 소개
- 다중 무장 도적
- 정책 구배 방법
- 상황에 맞는 도적
- 유한 마르코프 결정 과정
- 동적 프로그래밍
- 정책 반복, 가치 반복
- 몬테 카를로 방법
- ...
? 코스 링크? 재료 링크
Deep RL의 기초
Pieter Abbeel의 미니 6 강의 시리즈.
- MDP, 정확한 솔루션 방법, Max-Ent RL
- 깊은 Q- 러닝
- 정책 구배 및 우위 추정
- TRPO 및 PPO
- DDPG 및 SAC
- 모델 기반 RL
? 코스 링크
스탠포드 CS234 : 강화 학습
강화 학습의 기본 개념에서보다 진보 된 개념에 이르기까지 주제를 다룹니다.
- Markov 의사 결정 과정 및 계획
- 모델이없는 정책 평가
- 모델이없는 제어
- 기능 근사 및 딥 rl로 강화 학습
- 정책 검색
- 탐구
- ...
? 코스 링크? 재료 링크
스탠포드 CS330 : 깊은 멀티 태스킹 및 메타 학습
이것은 깊은 멀티 태스킹 및 메타 학습의 다양한 측면을 다루는 대학원 수준의 과정입니다.
- 멀티 태스킹 학습, 전송 학습 기본
- 메타 학습 알고리즘
- 고급 메타 학습 주제
- 멀티 태스킹 RL, 골 조절 된 RL
- 메타 강화 학습
- 계층 적 RL
- 평생 학습
- 열린 문제
? 코스 링크? 재료 링크
생명 과학의 딥 러닝
유전체학 및 생명 과학 응용 분야를위한 ML의 기초를 더 광범위하게 소개하는 과정.
- ML 모델 해석
- DNA 접근성, 프로모터 및 인핸서
- 염색질 및 유전자 조절
- 유전자 발현, 스 플라이 싱
- RNA-seq, 스 플라이 싱
- 단일 세포 RNA- 시퀀싱
- 차원 감소, 유전학 및 변이
- 마약 발견
- 단백질 구조 예측
- 단백질 폴딩
- 영상 및 암
- 신경 과학
? 코스 링크
? 재료 링크
고급 로봇 공학 : UC 버클리
이 과정은 Peter Abbeel의 과정이며 강화 학습에 대한 리뷰를 다루며 로봇 공학 응용 프로그램을 계속 진행합니다.
- MDPS : 정확한 방법
- 연속 상태 공간 MDP의 이산화
- 기능 근사 / 기능 기반 표현
- LQR, 반복 LQR / 차동 동적 프로그래밍
- ...
? 코스 링크? 재료 링크
궁금한 점이 있으면 트위터에 연락하십시오.
기여에 관심이 있으시면 코스에 대한 링크가있는 PR을 자유롭게 열십시오. 약간의 시간이 걸릴 것이지만, 나는이 개별 강의로 많은 일을 할 계획이 있습니다. 우리는 강의를 요약하고, 메모를 포함하고, 추가 읽기 자료를 제공하고, 내용의 난이도 등을 포함 할 수 있습니다.
이제 ML 코스 메모를 여기에서 찾을 수 있습니다.
