吴恩达机械学习

【含课程pdf & 测验答案】吴恩达-机器学习公开课 学习笔记 Week1-1 Introduction

吴恩达-机器学习公开课学习笔记Week1-1Introduction1-1Introduction课程内容1-1-1Welcome1-1-2WhatisMachineLearning?
CodingRae·2023-02-04 10:18

吴恩达老师机器学习 1.1 Welcome！

吴恩达老师机器学习【(强推|双字)2022吴恩达机器学习Deeplearning.ai课程】1.1Welcome！欢迎！欢迎来到[最新]机器学习课程。
Ding Jiaxiong·2023-02-04 10:47

吴恩达DeepLearningCourse4-卷积神经网络

部分内容参考之前的笔记PyTorch深度学习实践文章目录第一周：卷积神经网络边缘检测Padding、Stride三维卷积卷积神经网络中的一层池化层第二周：深度卷积网络实例探究残差网络1x1卷积Inception模块和网络卷积神经网络的迁移学习第三周：目标检测目标定位基于滑动窗口的目标检测滑动窗口的卷积实现BoundingBox预测/YOLO算法基础交并比loU非极大值抑制AnchorBoxes第四
MONA ODYSSEY·2023-02-03 16:51

Python3使用np.set_printoptions(threshold=np.nan)引发错误解决方法

来源：【吴恩达课后编程作业】Course4-卷积神经网络-第四周作业-人脸识别关于np.set_printoptions()np.set_printoptions(threshold=sys.maxsize
Master_miao·2023-02-03 15:04

“机器视觉+深度学习”进阶步骤

文章目录前言一、StanfordCS221（人工智能原理与技术）二、StanfordCS230（吴恩达深度学习DeepLearning|Autumn2018）三、StanfordCS231N（李飞飞计算机视觉课程
weixin_46771530·2023-02-03 14:37

1.1 深度学习第一课《神经网络与深度学习》-吴恩达教授

老师课前原话：深度学习改变了传统互联网业务，例如如网络搜索和广告。但是深度学习同时也使得许多新产品和企业以很多方式帮助人们，从获得更好的健康关注。深度学习做的非常好的一个方面就是读取X光图像，到生活中的个性化教育，到精准化农业，甚至到驾驶汽车以及其它一些方面。如果你想要学习深度学习的这些工具，并应用它们来做这些令人窒息的操作，本课程将帮助你做到这一点。当你完成cousera上面的这一系列专项课程，
ygl_9913·2023-02-03 11:21

吴恩达deeplearning.ai神经网络和深度学习(Ⅰ)(第一周-深度学习概论)

神经网络和深度学习课程(第一周-深度学习概论)目录神经网络和深度学习课程(第一周-深度学习概论)1.2什么是神经网络？1.3用神经网络进行监督学习1.4为什么深度学习会兴起？Summary1.2什么是神经网络？1.神经网络的定义神经网络就是按照一定规则将多个神经元连接起来的网络1.3用神经网络进行监督学习1.监督学习与非监督学习监督式学习与非监督式学习本质区别就是是否已知训练样本的输出y。在实际应
一去不复返的通信er·2023-02-03 11:16

吴恩达深度学习第一课 — 神经网络与深度学习1.2

cal构建神经网络·2.1二分分类(BinaryClassification）计算机保存一张图片，要保存三个独立矩阵：红，绿，蓝（其他颜色都是由这三原色组合形成），如果保存的图片是64x64的，那每个矩阵也是64x64的。且每个矩阵里的元素值，代表着颜色的强度。把像素值取出放入一个特征向量x（三个矩阵元素变成一列向量），且特征向量的维度是64x64x3=12288(三个矩阵元素总数量)。在二分分类
今天没有瘦·2023-02-03 11:44

吴恩达深度学习课程第一课 — 神经网络与深度学习

目录1.神经网络（NeuralNetwork）1.1.神经网络1.2.用神经网络进行监督学习（SupervisedLearningwithNeuralNetworks）2.神经网络基础（BasicsofNeuralNetworkProgramming）2.1.逻辑回归（LogisticRegression）2.2.损失函数（LossFunction）2.3.梯度下降法（GradientDescen
你的莽莽没我的好吃·2023-02-03 11:10

吴恩达《深度学习专项》笔记（十）：卷积神经网络的基础构件

前排提示：这周的课有很多知识点都在图中，一定要仔细地看一看图。课堂笔记计算机视觉CV(ComputerVision,计算机视觉)是计算机科学的一个研究领域。该领域研究如何让计算机“理解”图像，从而完成一些只有人类才能完成的高级任务。这些高级任务有：图像分类、目标检测、风格转换等。想具体了解有哪些计算机视觉任务，可以直接去访问OpenMMLab的GitHub主页：https://github.com
大局观选手周弈帆·2023-02-03 08:28

2019-05-13

在做吴恩达《深度学习》作业的时候，很多人遇到各种路径出错的问题。这是因为import文件时如不指明文件路径那就是文件在同一个文件夹下。如果文件不在同一个文件夹下还没有指明路径的话就会出错。
水中小船·2023-02-02 22:19

如何阅读和学习深度学习项目代码

1.基础知识首先，需要保证有一定的深度学习基础知识，吴恩达的深度学习课还有斯坦福大学的CS231n都是不错的入门教程，只需要有大学数学的基础就可以看懂。
*pprp*·2023-02-02 13:54

OverflowError: Python int too large to convert to C long 吴恩达机器学习

今天学吴恩达机器学习中C1_W1_Lab05_Gradient_Descent_Soln的代码时，出现了溢出错误最后在b站视频中的评论中找到了解决方案吐槽一下，为什么百度搜索这个溢出错误，发现很多个都是同一个答案
zldomore·2023-02-02 11:14

吴恩达机器学习视频笔记——简单知识背景

1、生活的机器学习：电脑区分垃圾邮件淘宝的智能推荐照相时候的美颜什么是人工智能：ArthurSamuel(1959):部分特定代码赋予计算机自动学习的能力。世界上第一个机器学习的程序：Samuel编写的西洋棋程序2、监督学习和无监督学习回归问题案例1.房价预估横坐标：面积纵坐标：房价根据已知的答案，即已有的数据，在计算出房价的连续变化趋势，因此可以预测出相应面积的房价大小。分类问题：案例2.肿瘤判
xclhs·2023-02-02 10:42

【经典】吴恩达——机器学习笔记001

【经典】吴恩达——机器学习笔记001机器学习(MachineLearning)笔记001学习地址：[中英字幕]吴恩达机器学习系列课程文字版参考及PPT来源：Coursera-ML-AndrewNg-Notes
superME1226·2023-02-02 10:40

吴恩达-深度学习微课-第四课

做完了一个序列模型项目，有时间回来补一下第4课的内容1.2边缘检测示例卷积运算：举例1个6x6的矩阵，经过一个3x3的过滤器矩阵进行卷积运算后，得到的是一个4x4的矩阵：过程大概是：将过滤器覆盖到原矩阵上，第一步将对应位置元素相乘，第二步将得到的3x3的元素相加，作为结果的第一个元素；第三步按横向、纵向移动过滤器，如法炮制第二步的做法。1.4Padding1、1.2节的卷积操作有两个缺点：(1)每
月笼纱lhz·2023-02-02 09:34

小wind的机器学习笔记（一）：新手入门必须了解的重要概念

这篇文章先介绍一些新手入门必须了解的机器学习重要概念，博客参考到《Hands-OnMachineLearingwithScikit-Learn&Tensorflow》、周志华老师的西瓜书、吴恩达老师
风起86·2023-02-01 20:47

吴恩达机器学习_第一周笔记

目录1IntroductionWelcomeWhatisMachineLearning?SupervisedLearning（监督学习）UnsupervisedLearning（无监督学习）2ModelandCostFunctionModelRepresentationCostFunction(代价函数)代价函数的图像3ParameterLearning(GradientDescent：梯度下降法
weixin_Saturn·2023-02-01 20:17

【Pytorch+torchvision】MNIST手写数字识别（代码附最详细注释）

但我第一个深度学习项目是一年前跑的吴恩达的手指数字识别课后作业，感兴趣的读者也可以试着跑一下，写者认为看着机器学习的过程也是非常有意思的。本文代码具有详细注释，便于第一次入门深度学习的读者学习。
Fleurs_2000·2023-02-01 18:08

机器学习 - 吴恩达版(Stanford)笔记 004

Topic:unsupervisedlearning回顾监督学习，每一个trainingdata都被给予了正确或错误的值。比如这几个数据中，每个数据是良性或恶性肿瘤的信息。但对于无监督学习，我们并没有被给予每个数据具体的值。形象的说，我们需要根据这些数据点在几何空间上的接近程度，来分辨出哪些点是一类的，这个操作叫做聚类(Clustering)实际上，我们是根据模型函数的一些特征，通过一定的权重或公
Wallace_QIAN·2023-02-01 17:03

Day12 #100DaysofMLCoding#

节代码新加一个维度img[None]isthesameasimg[np.newaxis,:]np.tile(数组，重复几次)np.repeat(数组，重复几次)词袋模型词向量wordembedding（需要看吴恩达课程复习
MWhite·2023-01-31 23:29

监督学习（吴恩达）

监督学习应用Input（x）Output（y）Applicationemailsapm？（0/1）spamfilteringaudiotexttranscriptsspeechrecognitionEnglishSpanishmachinetranslationad,userinfoclick?（0/1）onlineadvertisingimage,radarinfopositionofother
有只小狗叫蛋卷er·2023-01-31 15:16

Jupyter Notebook图形不显示问题

今天在JupyterNotebook执行吴恩达机器学习-可视化举例的代码时，plt_intuition和soup_bowl函数对应的图形不显示。
zldomore·2023-01-31 14:59

机器学习系列（吴恩达版）

机器学习笔记（0）常见概念&一些术语（随学习进度更新，部分个人理解）监督学习（SupervisedLearning）给定训练集后，通过算法让机器学习分类、标识等操作。无监督学习（UnsupervisedLearning）根据没有被标记的训练样本，来自动完成分类等操作。支持向量机（SupportVectorMachine,简称SVM）是一类按监督学方式对数据进行二元分类的广义线性分类器（genera
MDRG_Learning·2023-01-31 11:34

单变量线性回归

  本文档基于吴恩达机器学习课程单变量线性回归部分内容，记录自己对该部分内容的理解，并给出了MATLAB代码实现，以增强自己的理解，也方便后续查阅。
shandingdongren·2023-01-31 10:05

机器学习第一弹——入门篇

一、机器学习基础知识1、从机器学习谈起国内的机器学习大佬是吴恩达，网上有关于他的机器学习的公开视频，可以进行学习。机器学习是一种让计算机利用数据而不是指令来进行各种工作的方法。
艾羽蒙·2023-01-30 23:14

Python有趣|机器学习应该这样学

大部分的推荐都是这些：视频：吴恩达大佬，台大李宏毅的视频书：西瓜书和统
罗罗攀·2023-01-30 19:12

多特征线性回归梯度下降算法的matlab实现

文章目录数据导入特征值归一化添加x0x_0x0项梯度下降预测刚做完吴恩达的作业，毕竟是第一个机器学习算法，不发一下对不起自己数据导入%LoadDatadata=load('ex1data2.txt');
ShadyPi·2023-01-30 17:41

深度学习2.1二分类(Binary Classification)

二分类-深度学习2.1-吴恩达老师课程介绍案例符号定义仅作为个人学习记录介绍当实现一个神经网络的时候，我们需要知道一些非常重要的技术和技巧。
小钟的学习记录·2023-01-30 17:08

B站吴恩达深度学习视频笔记（5）——二分类问题

前言这几天在努力攻克神经网络，并想办法怎么把那些非常吓人的推到公式变成大家喜欢看的形式，用大家熟知的语言描述出来。很多人都是在神经网络这里看到一大坨公式然后知难而退。神经网络是机器学习的必经之路，是初学者们必须攻克的第一个难题，我会尽量用你们容易接受的语言和知识向你们描述神经网络中的一些最最基础也是最最重要的部分。现在我们来了解一下深度学习中比较简单的一类问题：二分类问题。二分类(BinaryCl
nine_mink·2023-01-30 17:38

计划书（2019.12-2020.5）

如无意外，计划在6个月时间内：整合从数据分析到机械学习，进行系统化，既可以将自己所学进行系统处理和升级，也可以做一个近乎免费的课程。
楚小武·2023-01-30 13:30

数据增强（Data Augmentation）

来源：Coursera吴恩达深度学习课程大部分的计算机视觉任务需要很多的数据，所以数据增强（dataaugmentation）是经常使用的一种技巧来提高计算机视觉系统的表现。
双木的木·2023-01-30 13:55

梯度下降算法_梯度下降算法中的偏导公式推导

前言：最近在跟着吴恩达老师(AndrewNg)的视频课程学习机器学习，该视频是2014年拍的，虽然有点老，但理论却并不过时，是非常经典的机器学习入门教程，也正是因为这是入门教程，所以视频中的有些数学知识只给出了结论却未进行推导
weixin_39882948·2023-01-30 12:02

吴恩达机器学习（一）——机器学习的定义及其主要类型

之前直接看吴恩达老师的深度学习课程，发现有很多看不明白的地方，所以还是从吴恩达老师讲的机器学习开始看，感觉自己真的基础知识太差了，很多东西都要慢慢补出来机器学习的定义定义搬运链接：link从广义上来说，
yangmishiwonvshen·2023-01-30 10:05

刘二老师的代码合集

一、感谢首先谢谢刘老师的视频课，我没有白嫖，我点赞投币了，哈哈哈哈，刘老师讲的很好，感谢，同时感谢吴恩达老师的深度学习的课程，很随和、亲和。
城峰·2023-01-30 08:29

【机器学习】吴恩达机器学习课程笔记LESSON2——欠拟合与过拟合

目录一、引言二、课堂笔记一、引言本节学习视频链接如下：3欠拟合与过拟合的概念_哔哩哔哩_bilibilihttps://www.bilibili.com/video/BV1xb411M7sn?p=3&vd_source=1ac3c4db6c62f190a2b66f5032778fc9二、课堂笔记
Rachel MuZy·2023-01-30 08:26

吴恩达机器学习课程笔记（11-18章）

第十一章11.1确定执行的优先级垃圾邮件分类器算法：为了解决这样一个问题，我们首先要做的决定是如何选择并表达特征向量xxx。我们可以选择一个由100100100个最常出现在垃圾邮件中的词所构成的列表，根据这些词是否有在邮件中出现，来获得我们的特征向量（出现为111，不出现为000），尺寸为100×1100×1100×1。为了构建这个分类器算法，我们可以做很多事，例如：收集更多的数据，让我们有更多的
最爱吃兽奶710·2023-01-30 08:24

【深度学习】笔记5：神经网络的正则化

写在前面：吴恩达老师第二门课程第一周的内容主要包括以下三部分：1.初始化参数：使用0来初始化参数；使用随机数来初始化参数；使用抑梯度异常初始化参数（可以参见视频中的梯度消失和梯度爆炸）。
眀滒玩闹·2023-01-30 07:42

机器学习 - 吴恩达版(Stanford)笔记 002

Topic：DefinitionofML1.ArthurSamuel的定义Machinelearning是在没有明确编程的情况下，计算机自主学习的能力。ArthurSamuel之所以出名，是因为他写了一个跳棋程序，他自身并不是一个跳棋高手，它的程序是通过成千上万次计算机自己的游戏，得出结论，哪些局势会赢，哪些会输，于是局势的不同就有了“好坏”。因此，跳棋成了一个经验丰富的棋手。2.TomMitch
Wallace_QIAN·2023-01-29 20:41

从特斯拉到英伟达，那些端到端自动驾驶研发系统有何不同？

作者|黄浴，奇点首席科学家兼总裁来源|转载自知乎专栏自动驾驶与视觉感知导读：近日，吴恩达的Drive.ai被苹果收购的消息给了自动驾驶领域一记警钟，但这个领域的进展和成果犹在。
AI科技大本营·2023-01-29 19:26

神经网络算法开篇——逻辑回归

准备做一系列神经网络算法，适合初学入门，是一种笔记的形式，由浅入深，参考吴恩达老师视频。
NPC_0001·2023-01-29 14:21

【笔记】动手学深度学习 - 卷积层

这里卷积部分看的不是特别懂，所以又去看了吴恩达的深度学习视频。视频中的这个式子就是对应吴恩达视频中的这个没有加偏置的效果。其中a，b就是用来限制过滤器的大小的。计算机视觉的网络结构具有两个性质：平
echo_gou·2023-01-29 09:26

机器学习--线性回归

本文参考吴恩达机器学习课程第2章线性回归公式:代价公式(误差均值中的2用来抵消求导得来的2):目标：代价最小化这里演示单变量线性回归时:令,可对求导,此时方可求出实际上，由于代价函数经常含有2个及以上参数
下雨天的蓝·2023-01-29 09:16

深度学习第一周学习

先是看了几集吴恩达机器学习的课程，了解了机器学习的基本概念。机器学习中分为三个大块：监督学习、无监督学习和强化学习。而监督学习又分为回归算法和分类算法。通过课程也大致了解回归算法与分类算法的区别。
啊砉·2023-01-29 09:09

吴恩达机器学习：神经网络 | 多分类问题

上一周我们学习了逻辑回归，并使用它解决了简单的0/1分类问题。这周我们首先尝试使用逻辑回归来解决多分类问题（手写字符识别）。通过这个问题了解到，当我们需要解决特征量很大的非线性分类问题时（比如计算机视觉问题），我们原本假设高次特征的方法会使得特征数异常庞大，从而引出新的方法神经网络。为了更好的阅读体验你可以在网站中查看，点击课程视频你就能不间断地学习Ng的课程，关于课程作业的Python代码已经放
拼搭小怪·2023-01-28 16:04

吴恩达机器学习课后作业5——怎么通过观察偏差和方差（bias vs variance）来调参

1.问题和数据在本练习中，您将实现正则化线性回归，并使用它来研究具有不同偏差-方差特性的模型。在练习的前半部分，您将实现正则化线性回归，利用水库水位的变化来预测从大坝流出的水量。在后半部分中，您将对调试学习算法进行一些诊断，并检查偏差和偏差的影响。 之前的题目中我们只用到了训练集，用训练集来训练模型，又用训练集来验证模型，这样的泛化能力就比较差。正常做法一般是先用训练集进行模型训练，训练好几个模型
学吧 学无止境·2023-01-28 16:45

吴恩达机器学习课程笔记+代码实现(18)Python实现正则化的线性回归和偏差/方差(Programming Exercise 5)

ProgrammingExercise5:RegularizedLinearRegressionandBiasv.s.VariancePython版本3.6编译环境：anacondaJupyterNotebook链接：实验数据和实验指导书提取码：i7co本章课程笔记部分见：应用机器学习的建议(AdviceforApplyingMachineLearning)在本练习中，我们要实现正则化的线性回归，
geekxiaoz·2023-01-28 10:17

#吴恩达· 机器学习笔记（④ 多元梯度下降及正规方程）

DAY7多特征之前的视频是关于一个特征变量的（房屋面积对应房价）现在除了房屋面积还有诸如卧室数量、楼层数量等一系列的影响因素相较于传统的假设，现在的假设式如下：多元线性回归假设模型：多元梯度下降算法更新后的代码如下：DAY8特征缩放（出现这种原因是因为两个值（x、y）差别太大（一个是在0-2000，一个是在0-5））以1个特征来举例，如果椭圆越狭长，那么梯度下降时间就会越长而如果我们将其进行一个缩
人生苦短我愛Python·2023-01-27 14:11

吴恩达深度学习（笔记+作业）·第四课·第一周 卷积神经网络

目录一、计算机视觉二、边缘检测三、padding、stride四、三维卷积（加入其他通道）五、卷积网络卷积层池化层六、卷积神经网络作业卷积网络的优点一、计算机视觉图片分类、目标检测、风格迁移……二、边缘检测*<----这个*在数学中表示卷积从convolution三、padding、stride这里计算的都是图像的大小，而非图像的通道padding：Valid：不填充像素Same：填充像素，卷积前
手可摘星辰不去高声语·2023-01-27 11:25

机器学习--神经网络算法系列--BackPropagation算法

一文弄懂神经网络中的反向传播法——BackPropagation最近在看深度学习的东西，一开始看的吴恩达的UFLDL教程，有中文版就直接看了，后来发现有些地方总是不是很明确，又去看英文版，然后又找了些资料看
日有所进·2023-01-27 08:43
上一页 13 14 15 16 17 18 19 20 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他