投稿

【公开课】斯坦福大学：机器学习吴恩达（全100讲）

8.4万

99

2021-02-22 20:46:11

正在缓冲...

斯坦福大学公开课吴恩达是斯坦福大学计算机科学系和电气工程系的客座教授，曾任斯坦福人工智能实验室主任。他还与达芙妮·科勒一起创建了在线教育平台Coursera。

农夫CC 发消息

配套课件：关注微信公众账号[农夫CC]，查看课件合集终身学习，知行合一

第1讲欢迎参加《机器学习》课程

06:56

第2讲什么是机器学习？

07:15

第3讲监督学习

12:30

第4讲无监督学习

14:14

第5讲模型描述

08:11

第6讲代价函数

08:13

第7讲代价函数I

11:10

第8讲代价函数II

08:49

第9讲梯度下降

11:31

第10讲梯度下降知识点总结

11:52

第11讲线性回归的梯度下降

10:22

第12讲矩阵和向量

08:46

第13讲加法和标量乘法

06:55

第14讲矩阵向量乘法

13:40

第15讲矩阵乘法

11:10

第16讲矩阵乘法特征

09:03

第17讲逆和转置

11:14

第18讲多功能

08:23

第19讲多元梯度下降法

05:05

第20讲多元梯度下降法演练I 特征缩放

08:53

第21讲多元梯度下降法II 学习率

08:59

第22讲特征和多项式回归

07:40

第23讲正规方程（区别于迭代方法的直接解法）

16:19

第24讲正规方程在矩阵不可逆情况下的解决方法

06:00

第25讲导师的编程小技巧

03:34

第26讲基本操作

14:00

第27讲移动数据

16:08

第28讲计算数据

13:16

第29讲数据绘制

09:39

第30讲控制语句：for while if 语句

12:57

第31讲矢量

13:49

第32讲分类

08:09

第33讲假设陈述

07:25

第34讲决策界限

14:51

第35讲代价函数

10:25

第36讲简化代价函数与梯度下降

10:16

第37讲高级优化

14:07

第38讲多元分类：一对多

06:16

第39讲过拟合问题

09:43

第40讲代价函数

10:12

第41讲线性回归的正则化

10:41

第42讲 Logistic 回归的正则化

08:35

第43讲非线性假设

09:37

第44讲神经元与大脑

07:48

第45讲模型展示I

12:02

第46讲模型展示II

11:47

第47讲例子与直觉理解I

07:16

第48讲例子与直觉理解II

10:21

第49讲多元分类

03:52

第50讲代价函数

06:44

第51讲反向传播算法

12:00

第52讲理解反向传播

12:45

第53讲使用注意：展开参数

07:48

第54讲梯度检测

11:38

第55讲随机初始化

06:52

第56讲组合到一起

13:25

第57讲无人驾驶

06:31

第58讲决定下一步做什么

05:51

第59讲评估假设

07:36

第60讲模型选择和训练、验证、测试集

12:04

第61讲诊断偏差与方差

07:43

第62讲正则化和偏差、方差

11:21

第63讲学习曲线

11:54

第64讲决定接下来做什么

06:51

第65讲确定执行的优先级

09:30

第66讲误差分析

13:13

第67讲不对称性分类的误差评估

11:37

第68讲精确度和召回率的权衡

14:06

第69讲机器学习数据

11:10

第70讲优化目标

14:48

第71讲直观上对大间隔的理解

10:37

第72讲大间隔分类器的数学原理

19:43

第73讲核函数Ⅰ

15:46

第74讲核函数II

15:44

第75讲使用SVM

21:04

第76讲无监督学习

03:18

第77讲 K-Means算法

12:33

第78讲优化目标

07:05

第79讲随机初始化

07:50

第80讲选取聚类数量

08:23

第81讲目标I：数据压缩

10:10

第82讲目标II：可视化

05:28

第83讲主成分分析问题规划I

09:06

第84讲主成分分析问题规划II

15:15

第85讲主成分数量选择

10:31

第86讲压缩重现

03:55

第87讲应用PCA的建议

12:49

第88讲问题动机

07:39

第89讲高斯分布

10:28

第90讲算法

12:04

第91讲开发和评估异常检测系统

13:08

第92讲异常检测VS监督学习

07:37

第93讲选择要使用的功能

12:18

第94讲多变量高斯分布

13:47

第95讲使用多变量高斯分布的异常检测

14:04

第96讲问题规划

07:55

第97讲基于内容的推荐算法

14:32

第98讲协同过滤

10:15

第99讲协同过滤算法

08:28

第100讲矢量化：低轶矩阵分解

08:29

顶部