李宏毅机器学习课程笔记：从 leeml-notes 到 leedl-tutorial

datawhalechina 团队整理的李宏毅机器学习课程笔记项目 leeml-notes，基于 17 版课程内容编写，在 GitHub 上积累了一定的关注。

这个项目的核心目标是降低李宏毅机器学习课程的学习门槛。李宏毅是台湾大学教授，他的机器学习课程在中文圈有广泛的受众。课程内容涵盖深度学习基础、卷积神经网络、循环神经网络、生成对抗网络等主题，讲解风格通俗，配合大量案例，适合入门和进阶学习者。

leeml-notes 将课程中的关键知识点整理成结构化的笔记文档，方便学习者课后复习和查阅。笔记内容覆盖了课程的主要章节，包括回归、分类、卷积神经网络、注意力机制等核心主题，对每个章节的重点概念做了梳理和归纳。对于初学者来说，这种结构化的整理方式比直接看视频回放更容易抓住重点。

课程笔记中还包含了一些公式推导的简化说明和代码示例，帮助学习者把理论和实践联系起来。这类细节在纯视频学习中容易被忽略，笔记的整理起到了查漏补缺的作用。

不过需要注意的是，leeml-notes 基于 17 版课程编写，部分内容已经跟不上课程的更新节奏。李宏毅教授在 21 版课程中对不少章节做了调整和补充，新增了 Transformer、自监督学习、提示学习等近年来的热门方向。17 版课程中的一些方法和观点在当前的学术和工业界已经有了新的发展，如果只看旧版笔记，可能会错过这些更新。

datawhalechina 团队已经基于 21 版课程重新撰写了笔记，新项目名为 leedl-tutorial。相比 leeml-notes，leedl-tutorial 的内容更完整，覆盖了最新的课程章节，知识点的讲解也做了优化。两个项目由同一团队维护，写作风格一脉相承，但内容深度和广度有明显差异。

对于想要学习李宏毅机器学习课程的同学，建议直接使用 leedl-tutorial 作为学习资料。leeml-notes 更适合作为了解项目演进历史的参考，或者对比两个版本笔记的写法差异。

这类课程笔记项目的价值在于社区协作。datawhalechina 作为一个开源学习社区，组织了多人参与笔记的编写和校对，相比个人笔记，内容的准确性和完整度更有保障。开源的形式也让更多人可以参与纠错和补充，形成良性循环。

如果你正在学习机器学习，李宏毅的课程配合同系列中文笔记，是一条比较顺畅的学习路径。课程负责讲解原理和推导，笔记负责提炼要点和整理结构，两者配合使用效率更高。

负责提炼要点和整理结构，两者配合使用效率更高。