課程資料鏈接：http://speech.ee.ntu.edu.tw/~tlkagk/courses_ML19.html
課程視頻（Bilibili）：https://www.bilibili.com/video/av46561029/
YouTube 鏈接：https://www.youtube.com/playlist?list=PLJV_el3uVTsOK_ZK5L0Iv_EQoL1JefRL4
李宏毅（Hung-yi Lee）目前任臺灣大學電機工程學系和電機資訊學院的助理教授，他曾於 2012 年獲得臺灣大學博士學位，並於 2013 年赴麻省理工學院（MIT）計算機科學和人工智能實驗室（CSAIL）做訪問學者。他的研究方向主要是機器學習（深度學習）和語音識別。
此前，他的 2016 版《機器學習》課程視頻曾是流行學習資料。
有一個懂二次元的教授真不容易。
2019 版《機器學習》課程目錄，括號內爲新增內容：
迴歸、梯度下降
分類、邏輯迴歸，錯分類的原因
深度學習，反向傳播（異常檢測）
卷積神經網絡、Keras（對抗樣本攻擊）
訓練深度學習模型（可解釋 AI）
循環神經網絡（Order LSTM）
Ensemble
半監督學習、遷移學習（終身學習）
（元學習）
seq2seq（Transformer）
（Few/Zero shot learning）
無監督學習（BERT）
強化學習（更細化）
（網絡壓縮）
生成對抗網絡（GLOW）
（無監督域適應）
爲什麼要使用深度學習（深度學習理論）
看過李宏毅 2017 秋季機器學習課程的同學都知道，他介紹的基礎內容非常仔細。例如對於循環神經網絡，他會帶我們手動運算一遍，從而弄清楚各時間步的輸入、儲存的記憶和具體運算過程等等。在 19 年的新課中，李宏毅重點開放新課相關的視頻與作業。
其中新增課程大部分都是近來比較流行的研究前沿，例如 Seq2Seq 中的全注意力網絡 Transformer、生成模型最近流行的新範式流模型（Glow）。這些內容可作爲以前 17 年秋季課程的補充，從而讓視頻整體更接近當下前沿。
目前李宏毅已經放出了異常檢測和對抗攻擊的視頻，它們都是新增加的內容。這些新增的內容最好可以和主課程一起看，因此可以有更好的理解。例如異常檢測何以和深度學習基礎一起看，對抗攻擊可以和卷積神經網絡一起看等等。
如上展示的是 YouTube 視頻截圖，還沒科學上網的同學也可以直接看愛可可老師傳到 B 站的資源。當然 YouTube 除了新更新的一系列課程，李宏毅老師已經發布了更多的課程主題，例如線性代數、深度強化學習、生成對抗網絡、深度學習理論、機器學習（17 年秋季）等。
其中 17 年秋季的機器學習對機器學習及深度學習做了一個整體的概要，這也是李宏毅課程必看的一部分。學完機器學習課程後，基本上我們對各種主題都有一定的理解，因此可以進一步看他關於深度學習高級主題、生成對抗網絡等的見解。如下爲李宏毅開放的各種主題與視頻列表：
最後，看視頻做作業都需要堅持，希望大家都能將這些資源化爲自己的知識。