• 投稿

吴恩达机器学习图解笔记

9.8万
285
2018-03-20 10:14:58
未经作者授权，禁止转载
849
777
8192
231
吴恩达机器学习课程笔记（图解版） https://zhuanlan.zhihu.com/c_171761254 查看笔记目录和每集笔记的视频与图片
机器学习
吴恩达
深度碎片 发消息
As Simple As Possible
视频选集
（1/80）
图解MachineLearning
01:38
图解supervised learning
06:15
图解unsupervised learning
04:35
图解 model representations
05:03
图解 损失函数
04:37
图解 cost function 直觉1
05:46
图解 损失函数直觉2
07:37
gradient descent计算流程和注意事项
04:58
图解gradient的智能与learning rate的注意事项
04:17
图解机器学习：如何用gradient descent一步一步求解最优linear regression 模型以及其他值得注意的细节
13:03
图解机器学习：理解吴恩达机器学习所需的所有线性代数知识01
07:19
图解机器学习：理解吴恩达机器学习所需的所有线性代数知识02
06:09
图解机器学习：理解吴恩达机器学习所需的所有线性代数知识03
17:23
图解机器学习：如何利用vectorization快速求解多变量函数值
08:52
图解机器学习：如何利用vectorization一次性更新多变量函数值的所有参数
07:28
图解机器学习：如何通过拉伸压缩features来加速梯度下降的训练进度
08:37
图解机器学习：如何快速识别模型训练是否正常以及如何调节学习率帮助训练正常化
10:25
图解机器学习：为什么说提炼特征和探寻模型艺术性权重大于科学性
09:58
图解机器学习：Normal Equation如何实现一步求解最优参数及其特点
08:45
图解机器学习：Normal Equation计算中出现non invertible matrix该如何处理以及背后的直观成因有哪些
04:12
图解机器学习：如何使用vectorization来做梯度下降
08:44
图解机器学习：如何理解classification以及为什么logistic比linear regression更适合做classification
08:41
图解机器学习：如何理解logistic regression与linear regression的区别
06:01
图解机器学习：如何理解decision boundary的生成原理和实质内涵
11:24
图解机器学习：如何理解logistic regression的损失函数的由来和构成
11:41
图解机器学习：如何对logistic regression的联合形态的损失函数做梯度下降更新参数
05:39
图解机器学习：哪些算法比gradient descent 更强大
02:18
图解机器学习：如何利用logistic regression二元分类模型解决多元分类问题
05:45
图解机器学习：如何粗略理解underfitting, overfitting, 和overfitting的解决方案
09:05
图解机器学习：如何直观理解regularization背后的直觉
10:43
图解机器学习：regularized linear regression计算中增加的新内容
04:23
图解机器学习：为什么linear logistic regression不足以解决现实世界的问题
09:36
图解机器学习：神经网络模型的现状和目标
01:37
图解机器学习：跟neural net打个正式的招呼（介绍）
09:00
图解机器学习：如何理解neuralnet的智能化精简提炼特征
07:19
图解机器学习：如何通过XNOR理解neuralnet提炼复杂特征的能力
07:45
图解机器学习：为什么说neuralnet做多元分类的本质与多logistic regression解决方案本质相同但模型构架不同
04:14
图解机器学习：neuralnet做多元分类损失函数代码执行要注意的细节
07:26
图解机器学习：如何理解neuralnet的backprogapation计算逻辑
13:15
图解机器学习：如何理解neuralnet的backprogapation中的error的计算逻辑
05:21
图解机器学习：什么是gradient checking及其注意事项
06:53
图解机器学习：参数起点设计的重要性，symmetry breaking
05:38
图解机器学习：训练神经网络模型的工作全流程梳理
10:17
图解机器学习：为什么说诊断模型病症很重要以及如何分割数据来验证模型效果
06:17
图解机器学习：为什么验证数据让模型评估更客观公正
09:02
图解机器学习：为什么以及如何用bias variance诊断模型病症
13:23
图解机器学习：为什么说regularizer是模型治疗手段（bias variance诊断方式）
11:46
图解机器学习：如何用learning curve动态识别模型的病症和选择合适改进措施
19:11
图解机器学习：机器学习和神经网络模型表现差的病因分类和治疗方案选择
05:39
图解机器学习：如何用Error analysis 帮助改进模型（垃圾邮件分类案例）
12:11
图解机器学习：为什么面对skewed 数据precision recall能规避accuracy评估能力的片面性
08:54
图解机器学习：如何理解precision与recall的博弈及其现实意义，为什么F1能综合precision和recall
11:44
图解机器学习：怎样的条件下更多数据能够（或不能）帮助改进模型
03:27
图解机器学习：对比logistic regression来理解SVM通道式的decision boundary的由来01
13:03
图解机器学习：对比logistic regression来理解SVM通道式的decision boundary的由来02
05:56
图解机器学习：如何理解kernels通过参照点创造更好更多features来帮助模型实现non-linear能力01
18:03
图解机器学习：如何理解kernels通过参照点创造更好更多features来帮助模型实现non-linear能力（何时使用）02
05:55
图解机器学习：如何理解无监督学习做聚类的K-means算法流程和优化目标的实现
17:34
图解机器学习：K-means如何精细处理centroid的random intialization和选择最优cluster数量
07:55
图解机器学习：为什么要对数据做降维和压缩，可视化有助于理解压缩后的维度内涵
05:17
图解机器学习：如何理解PCA是一种projection降维的最优方案以及PCA的算法逻辑
15:36
图解机器学习：PCA是如何通过K寻找最优的降维幅度的
10:05
图解机器学习：如何理解PCA中的U_reduce, x, z, x_approximation的关系
03:40
图解机器学习：实际模型训练中如何正确使用PCA和规避常见错误用法
10:26
图解机器学习：如何理解anomaly detection的本质，工作原理和算法流程
12:55
图解机器学习：如何理解anomaly detection实际使用的简单流程（包括如何选择最优阈值，什么时候可被监督学习代替等）
22:22
图解机器学习：如何理解单变量正态分布 对比多变量正态分布运用于anomaly detection的优缺点
13:27
图解机器学习：为什么要学习推荐系统，简单推荐系统长什么样
04:20
图解机器学习：为什么说content based recommender是用电影特征来训练用户参数
07:06
图解机器学习：为什么说collaborative filtering是让电影特征与用户参数不断迭代相互训练相互更新
05:56
图解机器学习：如何理解collaborative filtering合并2个交替训练模型的算法流程和如何用训练好的2组参数来预测
08:04
图解机器学习：在collaborative filtering代码执行如何采取vectorization加速计算和训练完毕后快速找相似电影
04:55
图解机器学习：mean normalization新用户没有给出任何评分时，如何避免训练好的模型代替新用户给所有电影都打0分
07:25
图解机器学习：面对巨量数据如何高效训练模型和发现问题改进模型的三种方法
09:50
图解机器学习：什么是online learning（一句话）
01:40
图解机器学习：什么是map reduce 和data parallal（一句话）
03:32
图解机器学习：一个简单的OCR文字识别系统的工作全流程长什么样子？
12:37
图解机器学习：合成新数据的方法及相关挑战和注意事项
06:11
图解机器学习：如何找到能最大化改进模型效果的具体工作任务或模型组建？
03:45
图解吴恩达机器学习课程完结：for who, how to use, why
06:06

【Agent ai智能体】2026吴恩达agent教程！中英双语，双字幕
LLM大模型原理
3.1万 0

【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
440.5万 5331

AI for everyone 系列教程原声中文版【吴恩达】
LLM大模型原理
23.9万 162

11分钟学完吴恩达AI For Everyone: 普通人学AI先看这一支！
李厂长来了
2.6万 9

吴恩达《AI for Everyone》AI普及课程（中文语音）
明文传输不
10.1万 12

【吴恩达】全198集（完整版）耗时一个月整理的Agent智能体课程，从入门到进阶，详细讲解，通俗易懂，适合所有零基础小白学习，学完即可就业！！！
吴恩达Agentic
3.1万 133

【吴恩达】2026【AI提示词】教程！AI Prompting for Everyone【中英字幕】
LLM大模型原理
3.0万 0

【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
22.4万 72

【Claude Code】B站唯一将Claude Code从入门到精通讲明白的教程，手把手带你从入门到实战使用，【吴恩达】保姆级教程
LLM大模型原理
2.4万 2

【清华大学】清华教授张亚勤：人工智能 无尽的前沿 | 完整版
人文清华
4.4万 35

【2026最新版】斯坦福李飞飞终于把人工智能给讲明白了！一口把机器学习、深度学习、计算机视觉、神经网络、图像处理、物体识别全给讲透了！（附课件资料+开源代码）
AI界扛霸子
13.8万 141

【2025版】Python入门到进阶，零基础学习人工智能必修！（机器学习丨深度学习丨神经网络丨pytorch）
吴恩达-深度学习
9.4万 13

【200集全】吴恩达老师带你一口气吃透微积分、线代、概率、统计等核心知识！学起来比刷剧还爽！—人工智能/机器学习/高等数学
很懂AI的算法小狗
2.4万 83

吴恩达第五课RNN笔记
深度碎片
3.2万 127

吴恩达 【面向所有人的AI提示工程】（中文语音）
明文传输不
5.0万 2

吴恩达新发布的Codex，是我看过最好的教程
IT界的泥石流1
3.7万 10

【2025版】不愧是吴恩达教授！一口气讲透CNN、RNN、GAN、GNN、DQN、Transformer、LSTM等八大深度学习神经网络算法！简直不要太爽！
吴恩达-深度学习
16.3万 135

强推！(2026最新版) 吴恩达最新课程【Agent Skills】教程！Skills+MCP+子代理,Skills让AI一次学会、终身可用！中英字幕完结！
李老师教深度学习
3.6万 104

【全600集】这可能是2026年B站最全最细的【吴恩达Agent智能体】零基础全套教程，逼自己一个月学完，轻松变Agent大神！全程干货0废话！
吴恩达Agentic
9.3万 203

【全网首发】100集完整版！吴恩达AI大模型全套教程！零基础也能学，手把手带你玩转AI！3天速成，学完即就业！大模型|LLM
吴恩达-AI大模型
4.3万 108
展开
明日方舟仙术杯#9
客服
顶部
赛事库 课堂 2021拜年纪