吴恩达-

嵌入式学习-暑假学习总规划-day6

此文章为本人暑期学习计划，目标是在暑假学习吴恩达的机器学习，pytorch的使用，yolov8的使用，STM32的开发。在八月底九月初的总目标是在单片机上部署一个关于计算机视觉的轻量化AI。

·2025-06-22 06:58

2025年大模型学习新攻略！掌握未来AI的关键技能

李宏毅机器学习斯坦福CS336：从零开始构建语言模型卡内基梅隆大学【多模态机器学习】RAGFromScratchHuggingFaceNLP课程2.机器学习和编程基础：pytorch官方中文教程[中英字幕]吴恩达机器学习李宏毅机器学习

AI大模型-大飞·2025-06-19 21:09

吴恩达机器学习笔记（1）—引言

目录一、欢迎二、机器学习是什么三、监督学习四、无监督学习一、欢迎机器学习是当前信息技术领域中最令人兴奋的方向之一。在这门课程中，你不仅会学习机器学习的前沿知识，还将亲手实现相关算法，从而深入理解其内部机理。事实上，机器学习已广泛渗透进我们的日常生活。例如，每次你使用Google、Bing进行搜索，或用Facebook、Apple的图像识别功能识别朋友，甚至邮箱中的垃圾邮件过滤器，背后都离不开机器学

大饼酥·2025-06-15 22:20

全方位入门大模型应用开发，只需一招搞定：吴恩达系列课程中文教程实战指南！

随着生成式人工智能技术的迅速发展，大语言模型（LLM,LargeLanguageModel）成为了当下AI领域最炙手可热的赛道之一。如何快速、高效地掌握LLM的开发要领，成为众多开发者关注的热点。而由Datawhale团队打造的《面向开发者的大模型手册-LLMCookbook》项目，正好为有志于投身大模型开发的中文学习者提供了一套体系化、本地化的入门与实战宝典。本文将为你详细解析这个项目包含的各类

AI小白熊·2025-06-15 02:10

吴恩达机器学习入门笔记（Week 1）

吴恩达机器学习Week1学习资源及工具机器学习分类专业术语（Terminology）线性回归模型(Linearregression)代价函数（costfunction）学习资源及工具1、课程资源：B站大学

冒冒喵·2025-06-10 14:58

斯坦福CS229机器学习笔记-Lecture2-线性回归+梯度下降+正规方程组

声明：此系列博文根据斯坦福CS229课程，吴恩达主讲所写，为本人自学笔记，写成博客分享出来博文中部分图片和公式都来源于CS229官方notes。

Teeyohuang·2025-06-09 06:24

04 Deep learning神经网络编程基础梯度下降 --吴恩达

梯度下降在深度学习的应用梯度下降是优化神经网络参数的核心算法，通过迭代调整参数最小化损失函数。核心公式参数更新规则：θt+1=θt−η∇J(θ

狂小虎·2025-06-06 16:38

02 Deep learning神经网络的编程基础逻辑回归--吴恩达

逻辑回归逻辑回归是一种用于解决二分类任务（如预测是否是猫咪等）的统计学习方法。尽管名称中包含“回归”，但其本质是通过线性回归的变体输出概率值，并使用Sigmoid函数将线性结果映射到[0,1]区间。以猫咪预测为例假设单个样本/单张图片为（x\mathbf{x}x，y\mathbf{y}y），特征向量X=x\mathbf{x}x，则y^\hat{y}y^即为X的预测值，y^\hat{y}y^=P（y

狂小虎·2025-06-06 10:01

吴恩达MCP课程（5）：research_server_prompt_resource.py

代码importarxivimportjsonimportosfromtypingimportListfrommcp.server.fastmcpimportFastMCPPAPER_DIR="papers"#InitializeFastMCPservermcp=FastMCP("research")@mcp.tool()defsearch_papers(topic:str,max_results

ZHOU_CAMP·2025-06-02 22:52

吴恩达深度学习课程实践项目集

本文还有配套的精品资源，点击获取简介：吴恩达深度学习编程作业包含了Coursera平台课程中的实践环节，为学员提供深度学习理论与编程技能的巩固。

Kiki-2189·2025-05-29 16:35

自然语言处理 (NLP) 学习路线

自然语言处理学习路线1.基础准备（可参考mooc学习）2.学习基础NLP技术（可参考mooc学习）3.经典机器学习算法在NLP中的应用（可参考吴恩达机器学习课程）4.深度学习基础（基础参考吴恩达、工具看

我喝AD钙·2025-05-26 23:43

吴恩达机器学习笔记：特征与多项式回归

1.特征和多项式回归如房价预测问题，ℎθ(x)=θ0+θ1×frontage+θ2×deptℎx1=frontage（临街宽度），x2=deptℎ（纵向深度），x=frontage∗deptℎ=area（面积），则：hθ(x)=θ0+θ1xh_\theta(x)=\theta_0+\theta_1xhθ(x)=θ0+θ1x线性回归并不适用于所有数据，有时我们需要曲线来适应我们的数据，比如一个二次方

ちゆきー·2025-05-16 12:54

吴恩达机器学习笔记：多维梯度下降实践

1.特征放缩在我们面对多维特征问题的时候，我们要保证这些特征都具有相近的尺度，这将帮助梯度下降算法更快地收敛。以房价问题为例，假设我们使用两个特征，房屋的尺寸和房间的数量，尺寸的值为0-2000平方英尺，而房间数量的值则是0-5，以两个参数分别为横纵坐标，绘制代价函数的等高线图能看出图像会显得很扁，梯度下降算法需要非常多次的迭代才能收敛。解决的方法是尝试将所有特征的尺度都尽量缩放到-1到1之间。如

ちゆきー·2025-05-14 15:33

吴恩达机器学习笔记：监督学习

1.回归我们用一个例子介绍什么是监督学习把正式的定义放在后面介绍。假如说你想预测房价。前阵子，一个学生从波特兰俄勒冈州的研究所收集了一些房价的数据。你把这些数据画出来，看起来是这个样子：横轴表示房子的面积，单位是平方英尺，纵轴表示房价，单位是千美元。那基于这组数据，假如你有一个朋友，他有一套750平方英尺房子，现在他希望把房子卖掉，他想知道这房子能卖多少钱。我们应用学习算法，可以在这组数据中画一条

ちゆきー·2025-05-12 17:38

吴恩达深度学习作业之 PyTorch 实现多分类任务

在这次作业中会学到：（参考https://zhuanlan.zhihu.com/p/536483424）PyTorch与NumPy的相互转换PyTorch的常见运算（矩阵乘法、激活函数、误差）PyTorch的初始化器PyTorch的优化器PyTorch维护梯度的方法数据集本项目中，我们要用到一个平面点数据集。在平面上，有三种颜色不同的点。我们希望用PyTorch编写的神经网络能够区分这三种点。im

海盗儿·2025-04-29 06:44

宝藏资源库！10个免费网站助你成为AI达人

一、核心学习平台1.Coursera官网链接：Coursera难度：⭐️⭐️（初级到进阶）推荐课程：吴恩达《深度学习专项课程》（包含5门子课程，覆盖神经网络、卷积网络、序列模型等）。优点：课程

算家计算·2025-04-29 00:31

大佬带你学习大模型Prompt技巧全解析，看完这篇文章就够了！

为了精进个人能力以及助力产研学习氛围的提升，本人在学习完吴恩达教授以及其他前辈们有关prompt的课程之后，整理了

和老莫一起学AI·2025-04-23 20:27

吴恩达深度学习复盘(19)XGBoost简介|神经网络与决策树

XGBoost多年来，机器学习研究人员提出了许多构建决策树的方法，目前最常用的方法是对样本或决策树的实现收费。其中，XGBoost是一种非常快速且易于使用的开源实现，已成功用于赢得许多机器学习竞赛和商业应用。算法原理基本思想：在构建决策树时，不是每次都以等概率选择训练样本，而是对那些之前已训练的树集合仍判断错误的样本给予更高的选择概率。这类似于在训练和教育中的“刻意练习”，例如学钢琴时专注于弹奏不

wgc2k·2025-04-21 20:56

诺奖得主杰弗里·辛顿爆料：“AI教父”名号是吴恩达带头喊出来的、AI会比人类更聪明...

责编|梦依丹出品丨AI科技大本营（ID：rgznai100）继去年荣获诺贝尔物理学奖引发全球关注后，“AI教父”杰弗里·辛顿（GeoffreyHinton），这位深度学习领域的奠基人近日在接受最新采访中坦言：“几乎所有顶尖研究人员都认为AI将变得比人类更聪明。”他之前在诺贝尔奖的官方采访中表示：AI最快5年超越人类智慧。具体见诺奖采访深度学习教父辛顿：最快五年内AI有50%概率超越人类，任何说“一

CSDN资讯·2025-04-19 21:05

【学习笔记】机器学习(Machine Learning) | 第三章(1)| 多特征与向量化计算

机器学习（MachineLearning）简要声明基于吴恩达教授(AndrewNg)课程视频BiliBili课程资源文章目录机器学习（MachineLearning）简要声明一、多特征（MultipleFeatures

北温凉·2025-04-17 14:37

吴恩达深度学习（17）独热编码|回归树简介

独热编码（One-HotEncoding）简介在之前看到的示例中，每个特征只能取一个或两个可能的值，比如耳朵形状只有尖或，胡须只有有或无。但如果特征可以有两个以上的取值该需要特殊处理。以宠物收养中心应用程序的新训练集为例，除了耳朵形状特征外，其他数据都相同。此时耳朵形状不再只有尖和松软两种，还可以是椭圆形，即耳朵形状（ESHI）特征仍是分类值特征，但从有两个可能值变为有三个可能值。当基于这个特征进

wgc2k·2025-04-15 12:41

拆解吴恩达开源的翻译AI Agent

斯坦福大学教授吴恩达一直非常推崇AIAgent，之前他提出过AIAgent的四种工作模式，分别是Reflection（反思）、Tooluse（工具使用）、Planning（规划）和Multi-agentcollaboration

weixin_47233946·2025-04-15 07:05

一文详细梳理！大模型从理论到实战落地必备干货！零基础入门到精通，收藏这一篇就够了

本文笔者总结了大模型从理论研究到实战落地所需具备的所有知识干货，与大家分享~基础知识数学深入浅出动态可视化数学之美(几何、微积分、概率论、线性代数等)：https://space.bilibili.com/88461692/机器学习吴恩达机器学习入门

网络安全大白·2025-04-13 23:08

深度学习教程 | 经典CNN网络实例详解

Dashesand·2025-04-11 02:07

【深度学习基础】第四十七课：BLEU得分

【深度学习基础】系列博客为学习Coursera上吴恩达深度学习课程所做的课程笔记。1.BLEU得分机器翻译的一大难题是一个法语句子可以有多种英文翻译，并且翻译质量都同样好。

x-jeff·2025-04-10 21:01

吴恩达深度学习复盘（1）神经网络与深度学习的发展

一、神经网络的起源与生物学动机灵感来源神经网络的最初动机源于对生物大脑的模仿。20世纪50年代，科学家试图通过软件模拟神经元的工作机制（如树突接收信号、轴突传递信号），构建类似人类大脑的信息处理系统。生物神经元的简化模型人工神经网络采用数学模型简化生物神经元的行为：每个神经元接收输入（数字信号），通过加权求和与激活函数处理后输出。尽管这一模型远不及真实大脑复杂，但早期研究认为其可能复现智能行为。二

wgc2k·2025-03-29 14:13

人工智能（11）——————计算机视觉

目录声明正文1、简介2、步骤1）图像分类2）目标检测（目标定位）3）目标跟踪4）图像分割普通分割语义分割实例分割5）图像生成3、总结声明以下内容均来自B站吴恩达教授的视频以及西瓜书和众多前辈的学习成果总结

長安一片月·2025-03-28 23:53

人工智能（10）——————自然语言处理

声明以下内容均来自B站吴恩达教授的视频以及西瓜书和众多前辈的学习成果总结，仅记录本人的大模型学习过程，如有侵权立马删除。言论仅代表自身理解，如有错误还请指正。

長安一片月·2025-03-28 23:52

走进吴恩达：揭秘Prompt Engineering 提示词工程

PromptEngineering概览何为Prompt在自然语言处理领域，尤其是与大型语言模型（LLM）互动时，Prompt起着至关重要的作用。形象地说：LLM是金矿：大型语言模型如同深藏不露的金矿，蕴藏着巨大的知识与创造力潜力。Prompt是钥匙：而Prompt，则是开启这座金矿的钥匙。通过精心设计的问题或指令（Prompt），我们能引导模型产生特定的、有价值的输出，如文章创作、代码编写、问题解

AI大模型教程·2025-03-26 14:55

【深度学习基础】第二十四课：softmax函数的导数

【深度学习基础】系列博客为学习Coursera上吴恩达深度学习课程所做的课程笔记。1.softmax函数softmax函数详解。

x-jeff·2025-03-17 21:15

吴恩达的翻译Agent项目，复现教程来了！

原创郭才高DatawhaleDatawhale教程作者：郭才高，Datawhale创作者1.TranslationAgent复现效果展示#执行任务#调用编译后的工作流，传入初始状态字典result=app.invoke({ "source_lang": "English", #源语言为英语 "target_lang": "中文", #目标语言为中文 "source_text": ""

·2025-03-15 10:49

吴恩达机器学习笔记复盘（二）监督学习和无监督学习

监督学习经济价值以及定义监督学习是机器学习中创造了99%经济价值的类型，它是学习输入到输出映射的算法，关键在于给学习算法提供包含正确答案（即给定输入X的正确标签Y）的学习例子。生活中的例子邮件分类，输入是电子邮件，输出是判断邮件是否为垃圾邮件。语音识别，输入音频剪辑，输出文本记录。机器翻译，输入一种语言文本，输出其他语言的相应翻译。在线广告，输入广告和用户信息，预测用户是否点击广告，为公司带来大量

wgc2k·2025-03-15 09:21

吴恩达出手，开源最新Python包，一个接口调用OpenAI等模型

刚刚，AI著名学者、斯坦福大学教授吴恩达最新开源项目实现了。吴恩达在推文中宣布了这一好消息开源新的Python包：aisuite！这个工具可以让开发者轻松使用来自多个提供商的大型语言模型。

Bryan Ding·2025-03-15 02:14

（Pytorch）动手学深度学习：基础内容（持续更新）

X.sum(0,keepdim=True)和X.sum(1,keepdim=True)广播机制(broadcast)Softmax函数和交叉熵损失函数Softmax函数交叉熵损失函数感知机多层感知机前言之前看吴恩达

孔表表uuu·2025-03-09 01:48

计算机视觉CV学习路线

计算机视觉CV学习路线1.基础准备（可参考mooc学习）2.计算机视觉基础知识（可参考mooc学习、计算机图形学）3.经典计算机视觉算法（可参考吴恩达机器学习课程、国内外计算机图形学课程）4.深度学习基础

我喝AD钙·2025-02-22 23:08

吴恩达-机器学习-多元线性回归模型代码

吴恩达《机器学习》2022版第一节第二周多元线性回归房价预测简单实现以下以下共两个实验，都是通过调用sklearn函数，分别实现了一元线性回归和多元线性回归的房价预测。

StrawBerryTreea·2025-02-18 11:35

必知！10大机器学习算法

——吴恩达近日热文：全网最全的神经网络数学原理（代码和公式）直观解释欢迎关注知乎和公众号的专栏内容LLM架构专栏知乎LLM专栏知乎【柏企】公众号【柏企科技说】【柏企阅文】1.K最近邻（KNN）KNN是一种简单却强大的分类算法

·2025-02-06 21:56

AI大模型探秘：核心能力与应用场景深度解析

类比：AI是电力–吴恩达。就像电力技术，是一种通用技术，对很多设备起作用，同样的AI可以赋能各种场景。大模型：把LM比作人的大脑。大参数大规模。

程序员辣条·2025-02-06 08:53

斯坦福吴恩达-深度学习和机器学习全套视频+课件！

学生将可以学习到深度学习的基础，学会构建神经网络，并用在包括吴恩达本人在内的多位业界顶尖专家指导下创建自己的机器学习项目。DeepLearningSpecialization对卷积神经网络(CNN

Alexquyun·2025-01-31 06:54

吴恩达Prompt Engineering(2/9): Guidelines for Prompting

目录PrincipalsofPromptingPrinciple1Tactic1:Tactic2:AskforstructuredoutputTactic3:Checkwhetherconditionsaresatisfied/CheckassumptionsrequiredtodothetaskTactic4:Few-Shotprompting,Givesuccessfulexamplesofc

就叫你天选之人啦·2025-01-26 16:08

吴恩达《提示词工程》（Prompt Engineering for Developers）课程详细笔记

课程简介目标：帮助开发者理解如何有效地使用大语言模型（LLMs），提升通过提示词解决问题的能力。适用对象：开发者、AI从业者、产品经理等，希望通过提示词优化生成模型性能的人。第1章：提示词工程基础1.什么是提示词工程提示词工程是一种优化与大语言模型（如GPT）交互的技术，旨在通过设计有效的提示词（prompts）引导模型生成所需的输出。主要思想：用正确的方式提问以得到最佳答案。2.提示词的组成指令

拾工·2025-01-24 23:17

吴恩达深度学习笔记（七）——机器学习策略

一、正交化通俗的理解就是：要能够诊断出系统性能瓶颈在哪里，以有策略刚好解决这个问题。一个“按钮”只负责解决一件事情。二、单一数字评估指标准确率（precision）：在分类器中标记为猫的例子中，有多少是真的猫召回率（recall）：对于所有的真猫图片，你的分类器正确识别了多少。但如果有两个评估指标，就很难去选择一个更好的分类器，如下图所示。所以有一个结合这两个指标的标准方法，也即F1分数，定义如下

子非鱼icon·2025-01-23 10:42

吴恩达系列——微调（Fine-tuning）与生成模型的应用

微调（Fine-tuning）是指在已有预训练模型的基础上，对模型进行进一步训练，以适应特定任务或需求。在自然语言处理领域，生成模型通过微调可以在特定场景下生成更加准确、一致的输出，同时保护用户的隐私，减少不当信息的泄露。本文将结合生成模型的工作原理和实际应用，解释微调如何提升生成模型的效果，并探讨其在保护隐私方面的优势。1.生成模型与Prompt的作用生成模型，如GPT系列，通常通过接受一个输入

疯狂小料·2025-01-18 21:04

AI代码生成器赋能软件原型快速构建：吴恩达的最佳实践指南

本文将结合吴恩达教授的观点，探讨如何利用AI工具，高效构建软件原型。吴恩达教授强调选择合适的技术栈并有效利用AI工具是关键，这将帮助开发者在短时间内完成原型开发，快速验证其想法。

·2025-01-17 01:19

吴恩达深度学习笔记(30)-正则化的解释

正则化（Regularization）深度学习可能存在过拟合问题——高方差，有两个解决方法，一个是正则化，另一个是准备更多的数据，这是非常可靠的方法，但你可能无法时时刻刻准备足够多的训练数据或者获取更多数据的成本很高，但正则化通常有助于避免过拟合或减少你的网络误差。如果你怀疑神经网络过度拟合了数据，即存在高方差问题，那么最先想到的方法可能是正则化，另一个解决高方差的方法就是准备更多数据，这也是非常

极客Array·2024-09-16 00:23

七.正则化

吴恩达机器学习之正则化（Regularization）http://www.cnblogs.com/jianxinzhou/p/4083921.html从数学公式上理解L1和L2https://blog.csdn.net

愿风去了·2024-09-15 21:11

人工智能中的哲学

〇、前言人工智能威胁论支持者：埃隆·马斯克、史蒂芬·霍金、比尔·盖茨反对者：马克·扎克伯格、吴恩达、佩德罗·多明戈斯人工智能是什么？应不应该发展人工智能？未来机器人和自动化会不会完全取代人类劳动力？

Dijkstra's Monk-ey·2024-09-08 11:56

吴恩达深度学习笔记(24)-为什么要使用深度神经网络？

为什么使用深层表示？（Whydeeprepresentations?）我们都知道深度神经网络能解决好多问题，其实并不需要很大的神经网络，但是得有深度，得有比较多的隐藏层，这是为什么呢？我们一起来看几个例子来帮助理解，为什么深度神经网络会很好用。首先，深度网络在计算什么？如果你在建一个人脸识别或是人脸检测系统，深度神经网络所做的事就是，当你输入一张脸部的照片，然后你可以把深度神经网络的第一层，当成一

极客Array·2024-09-01 16:18

python里的i_Python 中[::] 与 [:,:,i] 总结

最近在学吴恩达的DeepLearning中的第五门课SequenceModel,第一个lab是用Numpy搭建RNN，在搭建RNN的时候用到了Numpy的Slicing([:,:,i]),在这里想总结下

桌游顽主的航仔·2024-08-31 13:55

全网爆火的第一本程序员的Agent入门书籍——《大模型应用开发动手做AI Agent》

OpenAI创始人奥特曼预测，未来各行各业，每一个人都可以拥有一个AIAgent；比尔·盖茨在2023年层预言：AIAgent将彻底改变人机交互方式，并颠覆整个软件行业；吴恩达教授在AIAscent2024

AI大模型-搬运工·2024-08-28 11:06

推荐频道