吴恩达coursera机器学习(中文字幕)

加入官方QQ群：587764486 一起学习打卡！大神在群在线解答！我要报错

简介
目录
详情
点评

简介

课程概况：吴恩达是在线教育平台Coursera的联合创始人，吴恩达在2008年发起了“Stanford Engineering Everywhere”（SEE）项目，这个项目把斯坦福的许多课程放到网上，供免费学习。
标签：机器人学习
课程分类：FPGA
语言：中文
总时长：17:27:08

扫码关注课程小当家，拉您加入FPGA技术讨论群

00:10:21第1讲 11.2-7.线性回归的梯度下降(Av50747658,P11)
00:13:39第2讲 14.3-3.矩阵向量乘法(Av50747658,P14)
00:11:10第3讲 15.3-4.矩阵乘法(Av50747658,P15)
00:09:03第4讲 16.3-5.矩阵乘法特征(Av50747658,P16)
00:11:13第5讲 17.3-6.逆和转置(Av50747658,P17)
00:08:22第6讲 18.4-1.多功能(Av50747658,P18)
00:05:05第7讲 19.4-2.多元梯度下降法(Av50747658,P19)
00:08:52第8讲 20.4-3.多元梯度下降法演练.I.–.特征缩放(Av50747658,P20)
00:08:59第9讲 21.4-4.多元梯度下降法II.–.学习率(Av50747658,P21)
00:07:39第10讲 22.4-5.特征和多项式回归(Av50747658,P22)
00:16:18第11讲 23.4-6.正规方程（区别于迭代方法的直接解法）(Av50747658,P23)
00:05:59第12讲 24.4-7.正规方程在矩阵不可逆情况下的解决方法(Av50747658,P24)
00:03:33第13讲 25.4-8.导师的编程小技巧(Av50747658,P25)
00:13:59第14讲 26.5-1.基本操作(Av50747658,P26)
00:16:08第15讲 27.5-2.移动数据(Av50747658,P27)
00:13:15第16讲 28.5-3.计算数据(Av50747658,P28)
00:09:38第17讲 29.5-4.数据绘制(Av50747658,P29)
00:12:56第18讲 30.5-5.控制语句：for，while，if.语句(Av50747658,P30)
00:13:48第19讲 31.5-6.矢量(Av50747658,P31)
00:08:09第20讲 32.6-1.分类(Av50747658,P32)
00:07:25第21讲 33.6-2.假设陈述(Av50747658,P33)
00:14:50第22讲 34.6-3.决策界限(Av50747658,P34)
00:10:24第23讲 35.6-4.代价函数(Av50747658,P35)
00:10:15第24讲 36.6-5.简化代价函数与梯度下降(Av50747658,P36)
00:14:07第25讲 37.6-6.高级优化(Av50747658,P37)
00:06:15第26讲 38.6-7.多元分类：一对多(Av50747658,P38)
00:09:43第27讲 39.7-1.过拟合问题(Av50747658,P39)
00:10:11第28讲 40.7-2.代价函数(Av50747658,P40)
00:10:40第29讲 41.7-3.线性回归的正则化(Av50747658,P41)
00:08:34第30讲 42.7-4.Logistic.回归的正则化(Av50747658,P42)
00:09:36第31讲 43.8-1.非线性假设(Av50747658,P43)
00:07:48第32讲 44.8-2.神经元与大脑(Av50747658,P44)
00:12:01第33讲 45.8-3.模型展示Ⅰ(Av50747658,P45)
00:11:46第34讲 46.8-4.模型展示Ⅱ(Av50747658,P46)
00:07:16第35讲 47.8-5.例子与直觉理解Ⅰ(Av50747658,P47)
00:10:20第36讲 48.8-6.例子与直觉理解Ⅱ(Av50747658,P48)
00:03:51第37讲 49.8-7.多元分类(Av50747658,P49)
00:06:43第38讲 50.9-1.代价函数(Av50747658,P50)
00:12:00第39讲 51.9-2.反向传播算法(Av50747658,P51)
00:12:44第40讲 52.9-3.理解反向传播(Av50747658,P52)
00:07:48第41讲 53.9-4.使用注意：展开参数(Av50747658,P53)
00:11:38第42讲 54.9-5.梯度检测(Av50747658,P54)
00:06:52第43讲 55.9-6.随机初始化(Av50747658,P55)
00:13:24第44讲 56.9-7.组合到一起(Av50747658,P56)
00:06:30第45讲 57.9-8.无人驾驶(Av50747658,P57)
00:05:51第46讲 58.10-1.决定下一步做什么(Av50747658,P58)
00:07:35第47讲 59.10-2.评估假设(Av50747658,P59)
00:12:03第48讲 60.10-3.模型选择和训练、验证、测试集(Av50747658,P60)
00:07:43第49讲 61.10-4.诊断偏差与方差(Av50747658,P61)
00:11:20第50讲 62.10-5.正则化和偏差、方差(Av50747658,P62)
00:11:54第51讲 63.10-6.学习曲线(Av50747658,P63)
00:06:50第52讲 64.10-7.决定接下来做什么(Av50747658,P64)
00:09:30第53讲 65.11-1.确定执行的优先级(Av50747658,P65)
00:13:12第54讲 66.11-2.误差分析(Av50747658,P66)
00:11:36第55讲 67.11-3.不对称性分类的误差评估(Av50747658,P67)
00:14:06第56讲 68.11-4.精确度和召回率的权衡(Av50747658,P68)
00:11:10第57讲 69.11-5.机器学习数据(Av50747658,P69)
00:14:47第58讲 70.12-1.优化目标(Av50747658,P70)
00:10:36第59讲 71.12-2.直观上对大间隔的理解(Av50747658,P71)
00:19:42第60讲 72.12-3.大间隔分类器的数学原理(Av50747658,P72)
00:15:45第61讲 73.12-4.核函数1(Av50747658,P73)
00:15:43第62讲 74.12-5.核函数2(Av50747658,P74)
00:21:03第63讲 75.12-6.使用SVM(Av50747658,P75)
00:03:17第64讲 76.13-1.无监督学习(Av50747658,P76)
00:12:33第65讲 77.13-2.K-Means算法(Av50747658,P77)
00:07:05第66讲 78.13-3.优化目标(Av50747658,P78)
00:07:49第67讲 79.13-4.随机初始化(Av50747658,P79)
00:08:22第68讲 80.13-5.选取聚类数量(Av50747658,P80)
00:10:10第69讲 81.14-1.目标.I：数据压缩(Av50747658,P81)
00:05:28第70讲 82.14-2.目标.II：可视化(Av50747658,P82)
00:09:06第71讲 83.14-3.主成分分析问题规划1(Av50747658,P83)
00:15:14第72讲 84.14-4.主成分分析问题规划2(Av50747658,P84)
00:10:30第73讲 85.14-5.主成分数量选择(Av50747658,P85)
00:03:54第74讲 86.14-6.压缩重现(Av50747658,P86)
00:12:49第75讲 87.14-7.应用.PCA.的建议(Av50747658,P87)
00:07:39第76讲 88.15-1.问题动机(Av50747658,P88)
00:10:28第77讲 89.15-2.高斯分布(Av50747658,P89)
00:12:03第78讲 90.15-3.算法(Av50747658,P90)
00:07:36第79讲 92.15-5.异常检测.VS.监督学习(Av50747658,P92)
00:13:08第80讲 91.15-4.开发和评估异常检测系统(Av50747658,P91)
00:12:17第81讲 93.15-6.选择要使用的功能(Av50747658,P93)
00:13:46第82讲 94.15-7.多变量高斯分布(Av50747658,P94)
00:14:04第83讲 95.15-8.使用多变量高斯分布的异常检测(Av50747658,P95)
00:07:55第84讲 96.16-1.问题规划(Av50747658,P96)
00:14:32第85讲 97.16-2.基于内容的推荐算法(Av50747658,P97)
00:10:15第86讲 98.16-3.协同过滤(Av50747658,P98)
00:08:27第87讲 99.16-4.协同过滤算法(Av50747658,P99)
00:08:28第88讲 100.16-5.矢量化：低轶矩阵分解(Av50747658,P100)
00:05:45第89讲 102.17-1.学习大数据集(Av50747658,P102)
00:08:31第90讲 101.16-6.实施细节：均值规范化(Av50747658,P101)
00:06:18第91讲 104.17-3.Mini-Batch.梯度下降(Av50747658,P104)
00:13:19第92讲 103.17-2.随机梯度下降(Av50747658,P103)
00:11:32第93讲 105.17-4.随机梯度下降收敛(Av50747658,P105)
00:12:51第94讲 106.17-5.在线学习(Av50747658,P106)
00:07:02第95讲 108.18-1.问题描述与.OCR.pipeline(Av50747658,P108)
00:14:09第96讲 107.17-6.减少映射与数据并行(Av50747658,P107)
00:16:20第97讲 110.18-3.获取大量数据和人工数据(Av50747658,P110)
00:14:40第98讲 109.18-2.滑动窗口(Av50747658,P109)
00:13:51第99讲 111.18-4.天花板分析：下一步工作的.pipeline(Av50747658,P111)
00:04:42第100讲 112.19-1.总结与感谢(Av50747658,P112)

课程详情

吴恩达是在线教育平台Coursera的联合创始人，吴恩达在2008年发起了“Stanford Engineering Everywhere”（SEE）项目，这个项目把斯坦福的许多课程放到网上，供免费学习。

点评

讲师简介

吴恩达

吴恩达（1976-，英文名：Andrew Ng），华裔美国人，是斯坦福大学计算机科学系和电子工程系副教授，人工智能实验室主任。吴恩达是人工智能和机器学习领域国际上最权威的学者之一。吴恩达也是在线教育平台Coursera的联合创始人（with Daphne Koller）。

排行榜

最近一周
最近三月
最近一年

查看更多排行榜

简介

目录

课程详情

点评

讲师简介

排行榜

最新学习