【生成式人工智慧與機器學習導論2025】第 5 講：一堂課搞懂機器學習與深度學習的基本原理 (案例：老師什麼時候要下課)

摘要

透過「預測李宏毅老師投影片講課時長」的實例，深入解析機器學習與深度學習的核心原理。內容涵蓋從定義目標、選擇函式到計算損失函式（Loss）的完整流程，並介紹神經網路訓練中的梯度下降與反向傳播機制。觀眾可透過此案例理解模型如何從資料中學習，以及驗證集評估的重要性。

This lecture explains the core principles of machine learning and deep learning using a practical example of predicting lecture duration from slides.

摘要、重點與章節標題由語言模型整理，細節（誰說的、數字、先後）可能有誤；要引用請以原始內容為準。

重點

• 透過投影片預測講課時長的案例，釐清機器學習的三個基本步驟。
• 解釋損失函式（Loss）與反向傳播如何讓神經網路自動調整參數。
• 示範如何透過驗證集評估模型，避免過擬合並選擇最佳訓練階段。

章節

依話題轉折切分，標題由 AI 產生

1. 00:00機器學習透過資料尋找核心函式
2. 11:40用餓狼下坡直覺解釋梯度下降
3. 41:57解釋 Epoch 與 Batch Size 對參數更新影響
4. 47:33說明 Shuffle 技術避免資料順序偏差
5. 50:03驗證模型預測結果並計算均方誤差
6. 55:02分析不同課程資料差異導致預測偏差
7. 59:51引入神經網路概念以逼近複雜曲線
8. 1:14:36大 H 設定極大可模擬複雜函式
9. 1:24:19增加平均字數作為新特徵
10. 1:27:00訓練驗證差距大稱為過擬合
11. 1:44:28調整訓練資料以改善驗證效果
12. 2:04:07定義神經網路參數更新邏輯
13. 2:11:07預測結果精準但疑似純運氣
14. 2:22:33課程結束感謝大家聆聽

適合誰看

適合對機器學習原理感興趣、希望理解深度學習訓練過程的初學者或進階學習者。

摘要依據

講者

李宏毅

依據

人工字幕

為什麼排在這裡

人氣

0.57

新鮮

0.27

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• 【生成式人工智慧與機器學習導論2025】第１講：一堂課搞懂生成式人工智慧的原理影片 ・ Hung-yi Lee ・ 1 小時 45 分（在新分頁開啟原站）
• 【生成式人工智慧與機器學習導論2025】第 6 講：一堂課搞懂訓練類神經網路的各種訣竅影片 ・ Hung-yi Lee ・ 2 小時 6 分（在新分頁開啟原站）
• MIT Introduction to Deep Learning (2024) | 6.S191影片 ・ Alexander Amini ・ 1 小時 10 分（在新分頁開啟原站）
• MIT Introduction to Deep Learning (2025) | 6.S191影片 ・ Alexander Amini ・ 1 小時 9 分（在新分頁開啟原站）
• 人工智慧：機器學習與理論基礎 04. Neural Network and Deep learning影片 ・ NTU OpenCourseWare ・ 2 小時 31 分（在新分頁開啟原站）
• The F=ma of Artificial Intelligence [Backpropagation, How Models Learn Part 2]影片 ・ Welch Labs ・ 31 分鐘（在新分頁開啟原站）