吴恩达-深度学习笔记第15页

吴恩达机器学习——支持向量机

本章内容简介：·12.1优化目标·12.2大边界的直观理解·12.3大边界分类背后的数学·12.4核函数1·12.5核函数2·12.6使用支持向量机对支持向量机的一些理解：支持向量机解决的是多维的分类问题。当给出一定的数据集时，分类学习的最基本想法就是基于训练集在样本空间中找到一个划分超平面，将不同类别的样本划分，又因为在训练学习中，数据大多是高维度的，并且数据不一定都是线性可分的，那么线性不可分

SCY_e62e·2023-06-20 07:47

深度学习笔记之循环神经网络(六)长短期记忆神经网络(LSTM)

深度学习笔记之循环神经网络——长短期记忆神经网络[LSTM]引言回顾：RNN\text{RNN}RNN的反向传播过程RNN\text{RNN}RNN反向传播的梯度消失问题长短期记忆神经网络遗忘门结构输入门结构遗忘门与输入门的特征融合操作输出门结构个人感悟引言上一节介绍了循环神经网络

静静的喝酒·2023-06-19 18:55

深度学习笔记之循环神经网络(八)LSTM的轻量级变体——门控循环单元(GRU)

深度学习笔记之LSTM轻量级变体——门控循环单元[GRU]引言回顾：LSTM\text{LSTM}LSTM的前馈计算过程LSTM\text{LSTM}LSTM的问题GRU\text{GRU}GRU的前馈计算过程

静静的喝酒·2023-06-19 18:55

深度学习笔记之Transformer(三)自注意力机制

深度学习笔记之Transformer——自注意力机制引言回顾：缩放点积注意力机制自注意力机制自注意力机制与RNN,CNN\text{RNN,CNN}RNN,CNN的对比简单介绍：卷积神经网络处理序列信息的原理从计算复杂度的角度观察位置编码引言上一节对注意力分数

静静的喝酒·2023-06-19 18:52

吴恩达深度学习（三）

改进深度神经网络：超参数调整，正则化和优化Week1第一课：训练/开发/测试集本周我们将学习如何在实际应用中让你的神经网络高效工作？这些方法包括超参数调整、数据准备，再到如何确保你的优化算法运行的足够快以及使得你的学习算法能在合理的时间内完成学习任务。机器学习问题+正则化确保你能正确实现你的神经网络的小技巧。在你考虑如何设置你的训练集/开发集/测试集时，如何能够做出一个好的选择将会帮助你快速的建立

带刺的小花_ea97·2023-06-19 14:36

吴恩达&OpenAI最新课程：prompt-engineering-for-developers读书笔记

文章目录一、前言二、Prompt编写原则2.1环境配置2.2编写清晰、具体的指令2.2.1使用分隔符2.2.2结构化输出（JSON、HTML等）2.2.3要求模型检查条件是否满足2.2.4提供少量示例（Few-shotPrompting）2.3指导模型思考2.3.1指定任务步骤2.3.2要求模型事先自行计算2.4局限性三、指令迭代3.1环境配置3.2从产品说明书生成一份营销描述3.2.1迭代一：限

神洛华·2023-06-19 04:41

吴恩达471机器学习入门课程3第1周——K-means

K-means聚类1-实现K-means1.1找到最近的质心练习11.2计算质心均值练习22-K-means在样本数据集上的应用3-随机初始化4-K-means图像压缩4.1数据集可视化处理数据4.2图像像素上的K-mean4.3压缩图片实现K-means算法，并将其用于图像压缩。您将从一个样本数据集开始，帮助您获得K-means算法的工作概述然后，您将使用K-means算法进行图像压缩，将出现在

贰拾肆画生·2023-06-18 22:41

吴恩达471机器学习入门课程3第1周——异常检测

异常检测1导包2-异常检测2.1问题陈述2.2数据集可视化您的数据2.3高斯分布2.2.1估计高斯分布的参数2.2.2选择阈值ϵ\epsilonϵ2.4高维数据集异常检测实现异常情况检测算法，并应用它来检测网络上的故障服务器。1导包importnumpyasnpimportmatplotlib.pyplotaspltfromutilsimport*frompublic_testsimport*%m

贰拾肆画生·2023-06-18 22:40

深度学习笔记1——CNN识别黑白手写数字

文章目录摘要手写数字数据集（MNIST）卷积神经网络（ConvolutionNeuralNetwork,CNN）模型架构搭建Softmax函数和CrossEntropy损失函数Adam优化器构造数据迭代器训练、验证、测试模型训练结果可视化摘要本文将介绍CNN的开山之作——LeNet-5卷积神经网络；并且实现导入MNIST手写数字识别数据集，对LeNet-5模型进行训练、验证和测试，最后对训练过程的

自宅警备喵·2023-06-18 18:36

LLM 系列 | 07：吴恩达ChatGPT Prompt课程实践：以智能客服邮件为例

简介漠漠水田飞白鹭，阴阴夏木啭黄鹂。小伙伴们好，我是微信公众号《小窗幽记机器学习》的小编：卖铁观音的小女孩。更多、更新文章欢迎关注微信公众号：小窗幽记机器学习。后续会持续整理模型加速、模型部署、模型压缩、LLM、AI艺术等系列专题，敬请关注。紧接前面几篇ChatGPTPrompt工程系列：LLM系列|04：ChatGPTPrompt编写指南、05：如何优化ChatGPTPrompt？、06：Cha

JasonLiu1919·2023-06-18 18:10

吴恩达和OpenAI的《面向开发者的ChatGPT提示工程》精华笔记

《ChatGPTPromptEngineeringforDevelopers》面向开发者的ChatGPT提示工程shadow趁着假期，学习了prompt课程，做了一些精简和关键知识点的梳理，分享给大家。LLM可完成的任务包括:总结（如总结用户评论）推断（如情绪分类、主题提取）转换文本（如翻译、改写）扩展（如自动写电子邮件）用ChatGPT总结概括https://chirper.ai/shadowa

shadowcz007·2023-06-18 15:45

《吴恩达ChatGPT最新课程》，中文版来了！

Datawhale开源吴恩达ChatGPT课程，中文版教程背景近日，吴恩达官宣了一个好消息：他和OpenAI一起制作了一节关于ChatGPTPromptEngineering的新课，而且课程是免费的。

风度78·2023-06-18 15:14

【ChatGPT】吴恩达『提示工程』课程完全笔记下载

吴恩达『开发者的提示工程』课程完全笔记（PDF）：https://github.com/youca

youcans_·2023-06-18 15:43

深度学习笔记之Transformer(二)关于注意力分数的总结

深度学习笔记之Transformer——关于注意力分数的总结引言回顾：Nadaraya-Watson\text{Nadaraya-Watson}Nadaraya-Watson核回归再回首：Seq2seq

静静的喝酒·2023-06-18 08:16

GPT中的temperature参数不是用在对话的而是用在调用OPEN API过程中的

前言自从吴恩达OPENAI《ChatGPT提示工程》放出后，各个层面反响热列。

TGITCIC·2023-06-18 06:49

吴恩达ChatGPT课爆火

手把手教你学AI·2023-06-18 04:48

吴恩达联手OpenAI的免费课程笔记—面向开发人员的 ChatGPT 提示工程

目录前言一、大语言模型介绍二、提示指南2-0、导入APIkey和相关的python库2-1、写清楚的、具体的提示2-1-1、使用分隔符清楚的指示输入的不同部分2-1-2、要求结构化的输出2-1-3、按照指定的条件输出2-1-4、少样本学习2-2、给模型时间去思考2-2-1、指定完成任务所需要的具体步骤2-2-2、要求模型以指定格式输出2-2-3、指示模型一步步自行找出答案，而不是尽快得出结论三、迭

ㄣ知冷煖★·2023-06-17 07:54

深度学习笔记第四门课卷积神经网络第二周深度卷积网络：实例探究

本文是吴恩达老师的深度学习课程[1]笔记部分。

湾区人工智能·2023-06-17 07:23

吴恩达《ChatGPT Prompt Engineering for Developers》【自用】

文章目录PromptEngineeringforDevelopers1简介2.提示原则Guidelines将自己的API-KEY导入系统环境变量导入第三方库读取系统中的环境变量设置API_KEY一个封装OpenAI接口的函数，参数为Prompt，返回对应结果中文版见下一个cell需要总结的文本内容指令内容，使用```来分隔指令和待总结的内容有步骤的文本无步骤的文本example1example13

Maynor996·2023-06-17 06:28

最少步骤实践吴恩达《ChatGPT Prompt Engineering for Developers》课程内容

最近吴恩达《ChatGPTPromptEngineeringforDevelopers》课程比较火，我花了一个小时左右看了一遍，有些内容还是不错的。

yingjil·2023-06-16 23:56

【简单入门】ChatGPT prompt engineering （中文版）笔记 |吴恩达ChatGPT 提示工程

目录思维导图一、资料二、指南环境配置两个基本原则（最重要!!!!）原则一：编写清晰、具体的指令**策略一：使用分隔符清晰地表示输入的不同部分**，**分隔符可以是：```，""，，**等（区分指示和内容）**策略二：要求一个结构化的输出**，可以是Json、HTML等格式**策略三：要求模型检查是否满足条件****策略四：提供少量示例**(few-shotlearning)原则二：给模型时间去思考

师大阿林·2023-06-16 23:23

吴恩达新课程：ChatGPT提示工程，ChatGPT Prompt Engineering for Developers

来源：专知本文为课程介绍，建议阅读5分钟您将学习如何使用大型语言模型(LLM)快速构建新的和强大的应用程序。https://learn.deeplearning.ai/chatgpt-prompt-eng/lesson/1/introduction在ChatGPTPromptEngineeringforDevelopers中，您将学习如何使用大型语言模型(LLM)快速构建新的和强大的应用程序。使用

数据派THU·2023-06-16 23:52

吴恩达 ChatGPT Prompt Engineering for Developers 系列课程笔记--02 Guidelines

02Guidelines本节将配合代码，介绍一些构建Prompt的基本原则和策略。1)OpenAIAPI首先开发者需要在OpenAI网站(https://platform.openai.com/account/api-keys)注册一个key，然后通过pipinstallopenai安装openai三方库，再将key导入当前环境（下面是直接导入的方式，也可通过os.get_env("OPENAI_

Isawany·2023-06-16 23:52

【吴恩达推荐】《ChatGPT Prompt Engineering for Developers》- 知识点目录

《ChatGPTPromptEngineeringforDevelopers》使用Linkedin登录；1Introduction常见的外语分隔符：```sentiment：态度2GuidelinesPrinciple1:WriteclearandspecificinstructionsTactic1:UsedelimitersTactic3:“If-statement”Checkwhetherc

songyuc·2023-06-16 23:22

ChatGPT Prompt Engineering for Developers（面向开发人员的 ChatGPT 提示工程）资源汇总

ChatGPTPromptEngineeringforDevelopers（面向开发人员的ChatGPT提示工程）资源汇总吴恩达老师上新课了《开发者的ChatGPT提示工程课程》。

爱折腾的吴小猿·2023-06-16 23:50

吴恩达《ChatGPT Prompt Engineering for Developers》学习笔记

来自：口仆进NLP群—>加入NLP交流群本笔记是deeplearning.ai最近推出的短期课程《ChatGPTPromptEngineeringforDevelopers》的学习总结。1引言总的来说，当前有两类大语言模型（LLM）：「基础LLM」和「指令微调LLM」。基础LLM基于大量文本数据训练而成，核心思想为预测一句话的下一个单词（即词语接龙）。基于语料的限制，有时会返回不符合预期的结果（如

zenRRan·2023-06-16 23:50

《ChatGPT Prompt Engineering for Developers》课程中文版系列

课程简介吴恩达《ChatGPTPromptEngineeringforDevelopers》课程中文版，主要内容为指导开发者如何构建Prompt并基于OpenAIAPI构建新的、基于LLM的应用，包括：

evil-tomato·2023-06-16 23:19

《ChatGPT Prompt Engineering for Developers》课程-简介

课程简介作者：吴恩达教授欢迎来到本课程，我们将为开发人员介绍ChatGPT提示工程。本课程由IsaFulford教授和我一起授课。

evil-tomato·2023-06-16 23:19

吴恩达《ChatGPT Prompt Engineering for Developers》课程中文版

《ChatGPTPromptEngineeringforDevelopers》作为由吴恩达老师与OpenAI联合推出的官方教程，在可预见的未来会成为LLM的重要入门教程，但是目前还只支持英文版且国内访问受限

javastart·2023-06-16 23:19

吴恩达471机器学习入门课程2第3周——评估和改进模型

评估和提高机器学习模型1导包2-评估学习算法（多项式回归）2.1划分数据集2.1.1绘制训练集和测试集2.2模型评估的误差计算，线性回归2.3比较训练数据和测试数据上的性能3偏差和方差3.1绘制训练、交叉验证和测试集3.2找到合适的多项式次数3.3归一化3.4扩大数据集4评估神经网络学习算法4.1数据集4.2通过计算分类错误率来评估分类模型5模型复杂度5.1复杂模型5.2简单模型探索评估和改进机器

贰拾肆画生·2023-06-16 20:36

吴恩达471机器学习入门课程2第2周——手写数字识别（0到9）

手写数字识别的神经网络0-91、导包2、ReLU激活函数3-Softmax函数4-神经网络4.1问题陈述4.2数据集4.2.1可视化数据4.3模型表示批次和周期损失(cost)4.4预测使用神经网络来识别手写数字0-9。1、导包importnumpyasnpimporttensorflowastffromkeras.modelsimportSequentialfromkeras.layersimp

贰拾肆画生·2023-06-16 20:35

吴恩达471机器学习入门课程1第3周——逻辑回归

文章目录LogisticRegression1、导包2、逻辑回归2.1、问题描述2.2、加载数据集数据可视化2.3、sigmodfunction2.4逻辑回归的代价函数2.5逻辑回归的梯度2.6使用梯度下降学习参数测试可视化2.8评估逻辑回归3、正则化逻辑回归3.1问题陈述3.2加载和可视化数据3.3特征映射3.4正则化逻辑回归的代价函数3.5正则化logistic回归的梯度3.6正则梯度下降3.

贰拾肆画生·2023-06-16 20:03

深度学习FPGA实现基础知识11

需求说明：深度学习FPGA实现知识储备来自：时间的诗一、百度百科吴恩达（1976-，英文名：AndrewNg），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。

北雨·寒冰~·2023-06-16 11:37

ChatGPT prompt engineering for developers 笔记

Hehuyi_In·2023-06-16 07:53

吴恩达监督机器学习：回归和分类（一）

文章目录机器学习简介机器学习是什么quiz监督学习回归问题分类问题quiz无监督学习聚类问题quiz练习测试：监督学习与无监督学习线性回归线性回归模型第一部分基本术语线性回归模型第二部分quiz选学实验：线性回归模型代价函数公式quiz代价函数的直观理解quiz可视化代价函数可视化的例子选学实验：线性回归模型练习测试：线性回归使用梯度下降训练模型梯度下降实现梯度下降quiz梯度下降直观理解quiz

源代码•宸·2023-06-15 18:45

深度学习笔记之循环神经网络(十)基于循环神经网络模型的简单示例

深度学习笔记之循环神经网络——基于循环神经网络模型的简单示例引言文本表征：One-hot\text{One-hot}One-hot向量简单示例:文本序列的预测任务数据预处理过程生成文本数据遍历数据集，构建字典抓取数据

静静的喝酒·2023-06-14 15:28

深度学习笔记之卷积神经网络(一)卷积函数与图像卷积操作

深度学习笔记之卷积神经网络——卷积函数引言什么是卷积图像卷积操作引言从本节开始，将介绍卷积神经网络。本节将介绍卷积函数。

静静的喝酒·2023-06-14 15:58

深度学习笔记之Transformer(一)注意力机制基本介绍

深度学习笔记之Transformer——注意力机制基本介绍引言回顾：Seq2seq\text{Seq2seq}Seq2seq模型中的注意力机制注意力机制的简单描述注意力机制的机器学习范例：Nadaraya-Watson

静静的喝酒·2023-06-14 15:56

吴恩达471机器学习入门课程2第4周——决策树

决策树1导包2问题描述3one-hot编码数据集4决策树4.1计算熵4.2划分数据集5构建树从头开始实现决策树，并将其应用于对蘑菇是可食用还是有毒的分类任务。1导包importnumpyasnpimportmatplotlib.pyplotaspltfrompublic_testsimport*%matplotlibinline2问题描述假设您正在创办一家种植和销售野生蘑菇的公司。由于并非所有蘑菇

贰拾肆画生·2023-06-14 10:23

吴恩达老师《机器学习》课后习题2之逻辑回归(logistic_regression)

逻辑回归-线性可分用于解决输出标签y为0或1的二元分类问题。判断邮件是否属于垃圾邮件？银行卡交易是否属于诈骗？肿瘤是否为良性？等等。案例:根据学生的两门学生成绩，建立一个逻辑回归模型，预测该学生是否会被大学录取数据集:ex2data1.txtpython实现逻辑回归，目标：建立分类器(求解出三个参数θ0，θ1，θ2)即得出分界线。备注：θ1对应于exam1，θ2对应于exam2。设定阈值，根据阈值

cx-young·2023-06-14 04:39

NLP自然语言处理学习笔记（二）Word2Vec

NLP自然语言处理学习笔记（二）Word2Vec一、Word2Vec二、负采样本文是根据吴恩达教授的教学视频来整理的学习笔记，部分图片来源于视频的截图。

AngelaOrange·2023-06-14 00:50

吴恩达Deep Learning学习笔记——第三课结构化机器学习

目录链接：吴恩达DeepLearning学习笔记目录 1.机器学习策略一 2.机器学习策略二1.机器学习策略一什么是机器学习策略？

七月七叶·2023-06-13 14:15

吴恩达MachineLearningYearning《MachineLearningYearning》学习笔记

如果有需要pdf资源的可以私聊我~学习笔记：1.监督学习算法主要包括线性回归（linearregression）、对数几率回归（logisticregression，又译作逻辑回归、逻辑斯蒂回归）和神经网络（neuralnetwork）。虽然机器学习的形式有许多种，但当前具备实用价值的大部分机器学习算法都来自于监督学习。2.发展快的原因：数据可用、计算规模变大（硬件发展）。3.如果只有20个数据样

爱不持久·2023-06-13 05:46

深度学习笔记之Seq2seq(二)基于Seq2seq注意力机制的动机

深度学习笔记之Seq2seq——基于Seq2seq注意力机制的动机引言回顾：基于机器翻译任务的Seq2seq\text{Seq2seq}Seq2seq网络结构注意力机制的动机循环神经网络作为Encoder

静静的喝酒·2023-06-12 19:04

深度学习笔记(续)——数值稳定性、模型初始化与激活函数

深度学习笔记[续]——数值稳定性、模型初始化与激活函数引言回顾：没有激活函数参与，输入输出分布的变化情况Xavier\text{Xavier}Xavier方法存在激活函数的情况假设激活函数是线性函数激活函数的底层逻辑总结引言继续上一节介绍激活函数在神经网络前馈

静静的喝酒·2023-06-12 19:34

深度学习笔记之卷积神经网络(三)卷积示例与池化操作

深度学习笔记之卷积神经网络——卷积示例与池化操作引言卷积神经网络：卷积层卷积层的计算过程池化层描述池化层的作用——降低模型复杂度，防止过拟合池化层执行过程池化层代码示例池化层的作用——平移不变性卷积加池化作为一种无限强的先验池化层的反向传播过程引言上一节介绍了卷积的另一特点

静静的喝酒·2023-06-12 19:33

深度学习笔记之Seq2seq(三)注意力机制的执行过程

深度学习笔记之Seq2seq——注意力机制的执行过程引言回顾：经典Seq2seq\text{Seq2seq}Seq2seq模型中Context\text{Context}Context向量的缺陷注意力机制的动机

静静的喝酒·2023-06-12 19:30

深度学习笔记--本地部署Mini-GPT4

目录1--前言2--配置环境依赖3--下载权重4--生成Vicuna权重5--测试6--可能出现的问题1--前言本机环境：System:Ubuntu18.04GPU:TeslaV100(32G)CUDA:10.0(11.3bothok)项目地址：https://github.com/Vision-CAIR/MiniGPT-42--配置环境依赖gitclonehttps://github.com/V

憨豆的小泰迪·2023-06-12 10:18

AI大神吴恩达与OpenAI官方合作推出的ChatGPT提示工程课，到底在讲什么？

ChatGPT提示工程课程，吴恩达&OpenAI概述本课程将着重介绍指令调优LM的开发最佳实践，以帮助开发人员利用LM技术构建聊天机器人等应用程序。

MavenTalk·2023-06-12 10:46

吴恩达机器学习笔记（一）

概念机器学习是研究计算机模仿人类学习的过程，利用新的数据改善自身的性能，是人工智能的核心。机器学习、人工智能、深度学习之间的关系：AI、ML、DL的包含关系人工智能=机器人；机器学习是实现人工智能的一种方法；深度学习是实现机器学习的一种技术。概念包含关系上：人工智能>机器学习>深度学习。视频课简记:1、引言1.1欢迎1、机器学习很常见，如谷歌搜索（搜出的网站排序算法）、邮箱的垃圾站（无监督）。2、

yh_y·2023-06-12 00:10

推荐频道

吴恩达-深度学习笔记