• 投稿

(新版中英!) B站公认最好的【吴恩达机器学习】教程！附课件代码 Machine Learning Specialization

82.1万
2272
2025-11-21 11:15:45
5553
4353
1.9万
3475
deep learning.ai 相信很多同学认识吴恩达大佬，在这门课上( machine earning specialization)你将自己编程实现机器学习。数百万人参加了这门课程的早期版本许多学习者，最终建立了令人兴奋的机器学习系统，甚至在人工智能AI领域获得非常成功的职业生涯。欢迎你的到来 (配套课件、笔记已整理，求三连！ )
科技
人工智能
数学
程序员
科学
公开课
机器学习
深度学习
计算机技术
吴恩达
吴恩达机器学习 发消息
助力技术人的每一次成长｜提供晚间技术公开直播！欢迎咨询：人工智能基础课程/大模型课程/论文发表
视频选集
（1/142）
自动连播
1.1.1 欢迎来到机器学习!
02:45
2.1.2 机器学习的应用
04:29
3.2.1 什么是机器学习
05:36
4.2.2 监督学习 part 1
06:57
5.2.3 监督学习 part 2
07:17
6.2.4 非监督学习 part 1
08:54
7.2.5 非监督学习 part 2
03:40
8.2.6 Jupyter Notebooks
04:30
9.3.1 线性回归模型 part 1
10:27
10.3.2 线性回归模型 part 2
06:45
11.3.3 代价函数
09:05
12.3.4 代价函数的直观理解
15:47
13.3.5 可视化代价函数
08:34
14.3.6 可视化的例子
06:01
15.4.1 梯度下降
08:04
16.4.2 实现梯度下降
10:00
17.4.3 梯度下降的直观理解
07:02
18.4.4 学习率
09:04
19.4.5 线性回归中的梯度下降
06:37
20.4.6 运行梯度下降
05:49
21.5.1 多类特征
09:52
22.5.2 向量化 part 1
06:55
23.5.3 向量化 part 2
06:53
24.5.4 多元线性回归的梯度下降法
07:46
25.6.1 特征缩放 part 1
06:35
26.6.2 特征缩放 part 2
07:35
27.6.3 检查梯度下降是否收敛
05:40
28.6.4 学习率的选择
06:07
29.6.5 特征工程
03:05
30.6.6 多项式回归
05:52
31.7.1 Motivations
09:48
32.7.2 逻辑(logistic)回归
09:49
33.7.3 决策边界
10:43
34.8.1 逻辑回归的代价函数
12:00
35.8.2 逻辑回归的简化版代价函数
05:45
36.9.1 梯度下降实现
06:32
37.10.1 过拟合的问题
11:53
38.10.2 解决过拟合
08:16
39.10.3 正则化代价函数
09:04
40.10.4 正则化线性回归
08:53
41.10.5 正则化logistic回归
05:33
42.1.1 欢迎来到第二部分_高级学习算法
02:54
43.1.2 神经元和大脑
10:52
44.1.3 需求预测
16:23
45.1.4 例子：图像识别
06:36
46.2.1 神经网络中的层
09:50
47.2.2 更复杂的神经网络
07:19
48.2.3 推理：做出预测(前向传播)
05:24
49.3.1 代码中的推理
07:13
50.3.2 TensorFlow中的数据
11:19
51.3.3 构建一个神经网络
08:21
52.4.1 在一个单层中的前向传播
05:07
53.4.2 前向传播的一般实现
07:53
54.5.1 是否有路通向AGI(通用人工智能)
10:35
55.6.1 神经网络如何高效实现
04:23
56.6.2 矩阵乘法
09:28
57.6.3 矩阵乘法的规则
09:33
58.6.4 矩阵乘法代码
06:42
59.7.1 TensorFlow实现
03:37
60.7.2 训练细节
13:41
61.8.1 sigmoid的替代品
05:30
62.8.2 选择激活函数
08:25
63.8.3 为什么我们需要激活函数
05:32
64.9.1 多类
03:29
65.9.2 Softmax
11:33
66.9.3 神经网络的Softmax输出
07:25
67.9.4 softmax的改进实现
09:13
68.9.5 多个输出的分类(Optional)
04:20
69.10.1 高级优化方法
06:26
70.10.2 Additional Layer Types
08:56
71.11.1 决定下一步做什么
03:42
72.11.2 模型评估
10:26
73.11.3 模型选择和训练交叉验证测试集
14:53
74.12.1 诊断偏差和方差
11:13
75.12.2 正则化和偏差或方差
10:37
76.12.3 建立表现基准
09:26
77.12.4 学习曲线
12:14
78.12.5 再次决定下一步做什么
08:47
79.12.6 偏差或方差与神经网络
10:45
80.13.1 机器学习的迭代发展
07:43
81.13.2 误差分析
08:21
82.13.3 添加数据
14:24
83.13.4 迁移学习：使用其他任务中的数据
12:11
84.13.5 机器学习项目的完整周期
08:45
85.13.6 公平、偏见与伦理
09:56
86.14.1 倾斜数据集的误差指标
11:36
87.14.2 精确率与召回率的权衡
11:50
88.15.1 决策树模型
07:06
89.15.2 学习过程
11:21
90.16.1 测量纯度
07:50
91.16.2 选择拆分信息增益
11:52
92.16.3 整合
09:29
93.16.4 使用分类特征的一种独热编码(One-Hot)
05:26
94.16.5 连续的有价值特征
06:54
95.16.6 回归树 (optional)
09:51
96.17.1 使用多个决策树
03:57
97.17.2 放回抽样
04:00
98.17.3 随机森林算法
06:23
99.17.4 XGBoost
07:26
100.17.5 什么时候使用决策树
06:55
101.1.1 欢迎来到第三部分 无监督学习、推荐系统和强化学习
03:23
102.2.1 什么是聚类
04:13
103.2.2 K-means的直观理解
06:50
104.2.3 K-means算法
09:50
105.2.4 优化目标
11:13
106.2.5 初始化K-means
08:54
107.2.6 选择聚类的个数(
07:58
108.3.1 发现异常事件
11:54
109.3.2 高斯（正态）分布
10:51
110.3.3 异常检测算法
12:09
111.3.4 开发和评估异常检测系统
11:39
112.3.5 异常检测 vs. 监督学习
08:09
113.3.6 选择要使用的特征
14:58
114.4.1 提出建议
05:33
115.4.2 使用每项特征
11:22
116.4.3 协同过滤算法
13:56
117.4.4 Binary labels- favs, likes and c
08:28
118.5.1 均值归一化
08:46
119.5.2 协同过滤的TensorFlow实现
11:38
120.5.3 查找相关项目
06:34
121.6.1 协同过滤 vs. 基于内容的过滤
09:46
122.6.2 Deep learning for content-based
09:43
123.6.3 从大目录中推荐
07:53
124.6.4 推荐系统的道德使用
10:49
125.6.5 基于内容过滤的TensorFlow实现
04:49
126.7.1 什么是强化学习
08:49
127.7.2 火星探测器示例
06:42
128.7.3 The Return in reinforcement lear
10:19
129.7.4 强化学习中的决策与策略制定
02:38
130.7.5 回顾关键概念
05:35
131.8.1 状态动作值函数定义
10:37
132.8.2 状态动作值函数示例
05:23
133.8.3 Bellman方程
12:53
134.8.4 随机环境（可选）
08:25
135.9.1 连续状态空间应用示例
06:25
136.9.2 月球着陆器
05:54
137.9.3 学习状态值函数
16:51
138.9.4 算法优化-改进的神经网络结构
03:01
139.9.5 算法优化ϵ-贪婪策略
09:00
140.9.6 算法优化-小批量和软更新（可选）
11:44
141.9.7 强化学习的状态
02:55
142.10.1 总结与感谢
03:12

过来人有话说：真不希望大家学吴恩达机器学习课程时还继续踩这些坑了..........-machinelearning/机器学习算法
AI算法工程师Future
24.1万 193

【吴恩达】2026年公认最好的【Agent智能体】教程！大模型入门到进阶，一套全解决！Agentic AI—附带课件代码
吴恩达Agent
425.4万 5233

（双语字幕）2026年公认最好的【吴恩达深度学习课程】deeplearning.ai（coursera）| 附课件、代码及实战项目
吴恩达机器学习_StanFord
40.3万 314

强推！这可能是B站最全的（Python＋机器学习＋深度学习）系列课程了，堪称人工智能系列课程的巅峰之作！-人工智能/深度学习/机器学习
吴恩达深度学习
99.6万 1975

尽量客观锐评下8大主流人工智能教程的从夯到拉排名！！！——深度学习/神经网络/AI
AI算法工程师Future
15.5万 367

【吴恩达】2026年公认最好的【Agent Skills】教程！大模型入门到进阶，一套全解决！Agent Skills with Anthropic—附课件代码
吴恩达深度学习
53.9万 880

一个大一废物用一下午完成了他第一个机器学习任务后的喜悦！！！（虽然有现成的包和全程看着教程搞的啊哈哈哈哈哈哈shit，那又怎样！）
我有一把长颈狗枪
10.8万 0

【有些是真坑】尽量客观锐评一下目前主流PyTorch教程从夯到拉排名，有没有你正在看的？——神经网络/深度学习
AI算法工程师Future
17.1万 153

DeepLearning.AI中国官网正式上线，快跟随吴恩达老师一同探索AI世界吧！
deeplearning_ai
95.7万 157

（B站首推）2026李宏毅智能体【AI Agent】系列课程全集，公认体验感最好的入门课程！--人工智能/机器学习/深度学习/大模型/LLM
李宏毅agent
21.9万 255

[双语字幕]吴恩达深度学习deeplearning.ai
mHarvey
385.8万 3.4万

(官方中英!) 2026公认最好的【吴恩达深度学习】教程！附课件、代码及实战项目 Professionalization of Deep Learning
吴恩达深度学习
63.0万 1520

机器学习 从夯到拉
ParaQueLaVida
2.8万 16

吴恩达claude code中文教程，你配享太庙～ 写这份claudeCode手册的大佬真的配享太庙，全篇360页，真的非常清晰啦
算法小狗啃AI
2.3万 60

【中文配音】2025 吴恩达机器学习 保姆级 AI 入门教程！从零基础到实战
外影译坊
21.6万 61

3小时超快速入门Python | 动画教学【2026新版】【自学Python教程】【零基础Python】【计算机二级Python】【Python期末速成】
林粒粒呀
747.3万 1.4万

PyTorch深度学习快速入门教程（绝对通俗易懂！）【小土堆】
我是土堆
831.3万 6.5万

00 预告【动手学深度学习v2】
跟李沐学AI
145.0万 450

(超爽中英!) 2025公认最好的吴恩达【深度学习PyTorch】教程！附课件代码——DeepLearning.ai
吴恩达机器学习
9.2万 352

[中英字幕]吴恩达机器学习系列课程
岁月觞
516.2万 6.2万
展开
心理学视角下的爱与亲密关系 | 有奖征稿
客服
顶部
赛事库 课堂 2021拜年纪