吴恩达机器学习经典名课将广泛介绍机器学习、数据挖掘和统计模式识别等内容,同时还引用了许多机器学习案例,让你学会在智能机器人(感知和控制)、文本理解(网络搜索和垃圾邮件过滤)、计算机视觉、医学信息学、音频、数据库挖掘等领域应用机器学习。
课程目录
章节1 初识机器学习
01欢迎参加《机器学习》课程.mp4
02什么是机器学习.mp4
03监督学习.mp4
04无监督学习.mp4
章节2 单变量线性回归
06模型描述.mp4
07代价函数.mp4
08代价函数(一).mp4
09代价函数(二).mp4
10梯度下降.mp4
11梯度下降知识点总结.mp4
12线性回归的梯度下降.mp4
章节3 线性回归回顾
14矩阵和向量.mp4
15加法和标量乘法.mp4
16矩阵向量乘法.mp4
17矩阵乘法.mp4
18矩阵乘法特征.mp4
19逆和转置.mp4
章节4 配置
配置.txt
章节5 多变量线性回归
27多功能.mp4
28多元梯度下降法.mp4
29多元梯度下降法演练I-特征缩放.mp4
30多元梯度下降法II-学习率.mp4
31特征和多项式回归.mp4
32正规方程(区别于迭代方法的直接解法).mp4
33正规方程在矩阵不可逆情况下的解决方法.mp4
34完成并提交编程作业.mp4
章节6 Octave Matlab教程
35基本操作.mp4
36移动数据.mp4
37计算数据.mp4
38数据绘制.mp4
39控制语句:for,while,if语句.mp4
40矢量.mp4
章节7 Logistic回归
42分类.mp4
43假设陈述.mp4
44决策界限.mp4
45代价函数.mp4
46简化代价函数与梯度下降.mp4
47高级优化.mp4
48多元分类:一对多.mp4
章节8 正则化
50过拟合问题.mp4
51代价函数.mp4
52线性回归的正则化.mp4
53Logistic回归的正则化.mp4
章节9 神经网络学习
54非线性假设.mp4
55神经元与大脑.mp4
56模型展示I.mp4
57模型展示II.mp4
58例子与直觉理解I.mp4
59例子与直觉理解II.mp4
60多元分类.mp4
章节10 神经网络参数的反向传播算法
61代价函数.mp4
62反向传播算法.mp4
63理解反向传播.mp4
64使用注意:展开函数.mp4
65梯度检测.mp4
66随机初始化.mp4
67组合到一起.mp4
68无人驾驶.mp4
章节11 应用机器学习的建议
69决定下一步做什么 - 副本.mp4
69决定下一步做什么.mp4
70评估假设 - 副本.mp4
70评估假设.mp4
71模型选择和训练、验证、测试集.mp4
72诊断偏差与方差.mp4
73正则化和偏差、方程.mp4
74学习曲线 - 副本.mp4
74学习曲线.mp4
章节12 机器学习系统设计
75决定接下来做什么.mp4
76确定执行的优先级.mp4
77误差分析.mp4
78不对称性分类的误差评估.mp4
79精确度和召回率的权衡.mp4
80机器学习数据.mp4
章节13 支持向量机
81优化目标.mp4
82直观上对大间隔的理解.mp4
83大间隔分类器的数学原理.mp4
84核函数.mp4
85核函数2.mp4
86使用SVM.mp4
还没有评论,来说两句吧...