唐杰高级机器学习讲义 | 第二课：从机器学习基础到 Transformer

导读

第二课从机器学习的基本问题讲起，回顾样本、特征、模型、评测与泛化，再讲回归拟合、过拟合、正则化、分类、支持向量机、核函数和神经网络。课间后的内容转向自然语言处理：从分词与子词算法、分布式表示和 Word2Vec，逐步走到 RNN、LSTM、卷积网络与 Transformer。课堂问答集中在样本选择、样本分布，以及 SVM 核映射与神经网络逐层映射的区别。