• 投稿

[中英字幕]吴恩达机器学习系列课程

517.2万
6.2万
2019-04-28 18:08:23
6.6万
3.4万
23.3万
3.7万
https://study.163.com/course/introduction.htm?courseId=1004570029&_trace_c_p_k2_=60b3accf313c45bcbd5dddc890ff4346 适合初学机器学习、深度学习的人学习。 视频的讲义:https://github.com/TheisTrue/MLofAndrew-Ng
机器学习
MACHINELEARNING
人工智能
视频教程
AI
深度学习
岁月觞 发消息
视频选集
（1/112）
1-1.欢迎参加《机器学习》课程
06:56
1-2.什么是机器学习？
07:15
1-3.监督学习
12:30
1-4.无监督学习
14:14
2-1.模型描述
08:11
2-2.代价函数
08:13
2-3.代价函数（一）
11:10
2-4.代价函数（二）
08:49
2-5.梯度下降
11:31
2-6.梯度下降知识点总结
11:52
2-7.线性回归的梯度下降
10:21
3-1.矩阵和向量
08:46
3-2.加法和标量乘法
06:55
3-3.矩阵向量乘法
13:40
3-4.矩阵乘法
11:10
3-5.矩阵乘法特征
09:03
3-6.逆和转置
11:14
4-1.多功能
08:23
4-2.多元梯度下降法
05:05
4-3.多元梯度下降法演练.I.–.特征缩放
08:53
4-4.多元梯度下降法II.–.学习率
08:59
4-5.特征和多项式回归
07:40
4-6.正规方程（区别于迭代方法的直接解法）
16:19
4-7.正规方程在矩阵不可逆情况下的解决方法
06:00
4-8.导师的编程小技巧
03:34
5-1.基本操作
14:00
5-2.移动数据
16:08
5-3.计算数据
13:16
5-4.数据绘制
09:39
5-5.控制语句：for，while，if.语句
12:57
5-6.矢量
13:49
6-1.分类
08:09
6-2.假设陈述
07:25
6-3.决策界限
14:50
6-4.代价函数
10:25
6-5.简化代价函数与梯度下降
10:16
6-6.高级优化
14:07
6-7.多元分类：一对多
06:16
7-1.过拟合问题
09:43
7-2.代价函数
10:12
7-3.线性回归的正则化
10:41
7-4.Logistic.回归的正则化
08:35
8-1.非线性假设
09:37
8-2.神经元与大脑
07:48
8-3.模型展示Ⅰ
12:02
8-4.模型展示Ⅱ
11:47
8-5.例子与直觉理解Ⅰ
07:16
8-6.例子与直觉理解Ⅱ
10:21
8-7.多元分类
03:52
9-1.代价函数
06:44
9-2.反向传播算法
12:00
9-3.理解反向传播
12:45
9-4.使用注意：展开参数
07:48
9-5.梯度检测
11:38
9-6.随机初始化
06:52
9-7.组合到一起
13:24
9-8.无人驾驶
06:31
10-1.决定下一步做什么
05:51
10-2.评估假设
07:36
10-3.模型选择和训练、验证、测试集
12:04
10-4.诊断偏差与方差
07:43
10-5.正则化和偏差、方差
11:21
10-6.学习曲线
11:54
10-7.决定接下来做什么
06:51
11-1.确定执行的优先级
09:30
11-2.误差分析
13:13
11-3.不对称性分类的误差评估
11:36
11-4.精确度和召回率的权衡
14:06
11-5.机器学习数据
11:10
12-1.优化目标
14:48
12-2.直观上对大间隔的理解
10:37
12-3.大间隔分类器的数学原理
19:42
12-4.核函数1
15:45
12-5.核函数2
15:44
12-6.使用SVM
21:03
13-1.无监督学习
03:18
13-2.K-Means算法
12:33
13-3.优化目标
07:05
13-4.随机初始化
07:50
13-5.选取聚类数量
08:23
14-1.目标.I：数据压缩
10:10
14-2.目标.II：可视化
05:28
14-3.主成分分析问题规划1
09:06
14-4.主成分分析问题规划2
15:15
14-5.主成分数量选择
10:31
14-6.压缩重现
03:55
14-7.应用.PCA.的建议
12:49
15-1.问题动机
07:39
15-2.高斯分布
10:28
15-3.算法
12:03
15-4.开发和评估异常检测系统
13:08
15-5.异常检测.VS.监督学习
07:37
15-6.选择要使用的功能
12:18
15-7.多变量高斯分布
13:47
15-8.使用多变量高斯分布的异常检测
14:04
16-1.问题规划
07:55
16-2.基于内容的推荐算法
14:32
16-3.协同过滤
10:15
16-4.协同过滤算法
08:28
16-5.矢量化：低轶矩阵分解
08:29
16-6.实施细节：均值规范化
08:32
17-1.学习大数据集
05:46
17-2.随机梯度下降
13:20
17-3.Mini-Batch.梯度下降
06:19
17-4.随机梯度下降收敛
11:32
17-5.在线学习
12:51
17-6.减少映射与数据并行
14:09
18-1.问题描述与.OCR.pipeline
07:03
18-2.滑动窗口
14:41
18-3.获取大量数据和人工数据
16:21
18-4.天花板分析：下一步工作的.pipeline
13:51
19-1.总结与感谢
04:43

Java面试拿offer，看这两节就够了
一套搞定offer

【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
27万 89

当你看完吴恩达机器学习视频后...
医学程序员
7.6万 15

【公开课】斯坦福大学：机器学习 吴恩达（全100讲）
农夫CC
8.8万 103

【第一次听到吴恩达讲中文】《三体》刘慈欣对话人工智能专家吴恩达谈谈《人工智能未来20年》
迪哥谈论文创新点
1.2万 75

(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
吴恩达机器学习
113.9万 2725

AI for everyone 系列教程原声中文版【吴恩达】
LLM大模型原理
36.2万 274

吴恩达亲讲中文《机器学习》原声课，免费听！克隆语音太逼真了
AI翻译小拉米
1万 1

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
96万 157

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！）
我是翔弟
11.1万 0

李宏毅《机器学习》
二次元的Datawhale
15万 1894

浙江大学-研究生机器学习课程-
校园宽带小王子
67万 2.1万

【白板推导】机器学习纯手工教学实战课程（135集全）机器学习算法数学基础、线性回归、降维、支持向量机SVM、概率图模型、EM算法、隐马、卡尔曼滤波一口气学完
人工智能基础
5.4万 49

卷积神经网络可视化演示
尽整没用的
317.4万 263

【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
3.2万 99

AI For Everyone 第一课 揭秘人工智能 1.1简介
deeplearning_ai
22.1万 52

【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
17.4万 136

【完整版-麻省理工-线性代数】全34讲+配套教材
小风哥_ANGEL
262.9万 3.3万

李宏毅《机器学习/深度学习》2021课程（国语版本，已授权）
二次元的Datawhale
18.7万 1364

【斯坦福大学】CS229 机器学习 · 2018年（完结·中英字幕·机翻）
鬼谷良师
29.7万 2682

(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
91.7万 1762
展开
精选户外装备测评，助你轻松探索户外！
客服
顶部
赛事库 课堂 2021拜年纪