吴恩达-Coursera-ML

吴恩达深度学习笔记(91)-带你了解计算机视觉现状

计算机视觉现状（Thestateofcomputervision）深度学习已经成功地应用于计算机视觉、自然语言处理、语音识别、在线广告、物流还有其他许多问题。在计算机视觉的现状下，深度学习应用于计算机视觉应用有一些独特之处。在这个笔记中，我将和你们分享一些我对深度学习在计算机视觉方面应用的认识，希望能帮助你们更好地理解计算机视觉作品（此处指计算机视觉或者数据竞赛中的模型）以及其中的想法，以及如何自
极客Array·2023-09-20 12:45

神经网络DNN的前向传播和后向传播

最近看了不少吴恩达的视频，听了不少神经网络的前向和后向传播的介绍，也看了不少的公式，很多东西看过了，不见得记住了，记住了不见得就理解了，今天就随便写点，就算是对最近一段时间学习的一个小结和回顾。
千足下·2023-09-20 08:18

2022吴恩达机器学习Deeplearning.ai课程编程作业C1_W2: Linear Regression

PracticeLab:LinearRegressionWelcometoyourfirstpracticelab!Inthislab,youwillimplementlinearregressionwithonevariabletopredictprofitsforarestaurantfranchise.Outline1-Packages2-Linearregressionwithonevar
alterego2380·2023-09-19 03:33

吴恩达机器学习week2实验答案Practice Lab Linear Regression【C1_W2_Linear_Regression】

PracticeLab:LinearRegressionExercise1Completethecompute_costbelowto:Iterateoverthetrainingexamples,andforeachexample,compute:Thepredictionofthemodelforthatexamplefwb(x(i))=wx(i)+bf_{wb}(x^{(i)})=wx^{(
会不了一点·2023-09-19 03:33

吴恩达深度学习笔记(61)-训练调参中的准确率和召回率

单一数字评估指标（Singlenumberevaluationmetric）无论你是调整超参数，或者是尝试不同的学习算法，或者在搭建机器学习系统时尝试不同手段，你会发现，如果你有一个单实数评估指标，你的进展会快得多，它可以快速告诉你，新尝试的手段比之前的手段好还是差。所以当团队开始进行机器学习项目时，我经常推荐他们为问题设置一个单实数评估指标。我们来看一个例子，你之前听过我说过，应用机器学习是一个
极客Array·2023-09-19 03:06

Learn Prompt-为什么用 ChatGPT API？

引用人工智能先驱吴恩达先生说过的话：“一个系统需要的远不止一个提示（prompt）或者一个对LLM（大性语言模型）的调用。”
xiaoshun007～·2023-09-18 11:29

吴恩达ChatGPT《Finetuning Large Language Models》笔记

课程地址：https://learn.deeplearning.ai/finetuning-large-language-models/lesson/1/introductionIntroduction动机：虽然编写提示词（Prompt）可以让LLM按照指示执行任务，比如提取文本中的关键词，或者对文本进行情绪分类。但是，微调LLM，可以让其更一致地做具体的任务。例如，微调LLM对话时的语气。课程大
datamonday·2023-09-18 08:49

深度学习之卷积神经网络0基础入门学习教程——浅层深度学习（全网最详细，不详细你打我）（看不懂你打我）（对小白没用你打我）

作为一个双非学校的人工智能硕士研究生，我在深度学习入门之初，学校里没人带，只能靠自己一点一点的摸索，走了很多弯路，因为自己并不懂得从哪里入手，从吴恩达的课到李沐的课等等无数种课，无数种书看了很多，买了很多
小馨馨的小翟·2023-09-17 16:00

与导师沟通2023-09-14

(1)学习并实践机器学习（李沐-动手学机器学习、周志华-西瓜书、吴恩达-机器学习基础理论）(2)多参加各类学术会议。(3)动手实践参与相关课题的项目。(
氢气氧气氮气·2023-09-17 14:19

【吴恩达老师《机器学习》】课后习题4之【神经网络反向传播】(代码注释详细)

前情回顾上一周是已经给定了神经网络的最优权重参数，接着直接代到前向传播里面去，算得最终的预测值就可以了。这周呢，需要搭建整个完整的神经网络，并且需要自己去进行训练，找到最终的这个优化的权重参数。可能需要的知识点来自网络前向传播知识点前向传播(Forwardpropagation)，也叫正向传播，是神经网络中的一项重要操作，用来将输入数据传递到网络的输出层。在前向传播过程中，输入数据通过神经网络依次
cx-young·2023-09-17 05:10

【吴恩达老师《机器学习》】课后习题5之【偏差与方差】

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。这次练习将会了解如何改进机器学习算法，包括过拟合、欠拟合的状态判断以及学习曲线的绘制。一些概念偏差Bias：预测值与真实值的差距，表示算法本身的拟合能力方差Varia
cx-young·2023-09-17 05:08

吴恩达机器学习exercise笔记

参考这里入下门，主要包括代码逻辑、numpy、pandas、scipy等的使用。ML-Exercise1X=np.matrix(X.values)DataFrame.values(旧),DataFrame.to_numpy()用于将pandas中的dataframe转为numpy中的数组。更新：exercise5中将数据框转化数组使用了已经淘汰的DataFrame.as_matrix()，实际应该
twentyonepilots·2023-09-16 12:42

【IT资讯 7】《时代》周刊发布首届全球百大AI人物：李彦宏、吴恩达、李飞飞、曾毅等人入选

日星期六癸卯年七月廿五第000007号本文收录于IT资讯速递专栏,本专栏主要用于发布各种IT资讯，为大家可以省时省力的就能阅读和了解到行业的一些新资讯IT资讯领导者（Leaders）李彦宏（百度CEO、董事长兼联合创始人）吴恩达
爱书不爱输的程序猿·2023-09-15 18:44

周报-230906

学习内容1.将rgbd数据集转化为可训练的数据集2.吴恩达深度学习（141/181）学习时间2023.08.26—2023.09.05学习笔记训练数据集的生成3DMatch这篇论文目前只进行了代码的运行
Gypsophila_01·2023-09-14 00:51

吴恩达机器学习3.26

吴恩达机器学习受到广泛网友推介，今天开始刷他的课程。生活中有哪些地方接触到算法？我们的百度搜索总会给到优质搜索结果，这就是机器学习算法。
Wincent__·2023-09-13 13:58

图像分割|机器学习|模式识别(2019-04-29~05-04)

2.完成学习机器学习作业，吴恩达机器学习课程作业。3.继续阅读PRML4.291.看pspnet代码●pythonwith关键字：简单就是打开文件，读完了，自动关文件。
Rlinzz·2023-09-13 12:16

【中文】【吴恩达课后编程作业】Course 5 - 序列模型 - 第二周作业 - 词向量的运算与Emoji生成器

【中文】【吴恩达课后编程作业】Course5-序列模型-第二周作业-词向量的运算与Emoji生成器上一篇：【课程5-第二周测验】※※※※※【回到目录】※※※※※下一篇：【课程5-第三周测验】资料下载本文所使用的资料已上传到百度网盘
何宽·2023-09-12 05:29

吴恩达第五部分序列模型 week2—— 词向量的运算与Emoji生成器

一.词向量的运算导包和词嵌入数据importnumpyasnpimportpandasaspdimportw2v_utilsword,word_to_vec_map=w2v_utils.read_glove_vecs("data/glove.6B.50d.txt")word=pd.DataFrame(word)print(word.shape)word_to_vec_map=pd.DataFram
我来试试水·2023-09-12 05:58

情感分类（Sentiment Classification）

来源：Coursera吴恩达深度学习课程情感分类（sentimentclassification）就是看一段文本，然后分辨这个人是否喜欢他们在讨论的东西，这是NLP中最重要的模块之一。
双木的木·2023-09-12 05:57

吴恩达机器学习作业3：多类分类（Python实现）

机器学习练习3-多类分类在本练习中，您将实现一对一的逻辑回归和神经网络来识别手写的数字。在开始编程练习之前，我们强烈建议您观看视频讲座，并完成相关主题的复习问题。要开始这个练习，您需要下载启动代码并将其内容解压缩到您希望完成这个练习的目录中。自动手写数字识别在今天被广泛使用——从识别邮件信封上的邮政编码（邮政编码）到识别银行支票上所写的金额。本练习将展示您所学习到的方法如何用于此分类任务。在练习的
Phoenix_ZengHao·2023-09-11 23:06

吴恩达机器学习笔记（三）

关于这系列的python代码参考下面这个大佬的代码：吴恩达机器学习与深度学习作业目录-Cowry-CSDN博客接下来开始第三周的学习，线性回归算法结束，进入下一个算法。
yh_y·2023-09-11 09:26

吴恩达深度学习笔记(86)-1×1 卷积讲解

网络中的网络以及1×1卷积（NetworkinNetworkand1×1convolutions）在架构内容设计方面，其中一个比较有帮助的想法是使用1×1卷积。也许你会好奇，1×1的卷积能做什么呢？不就是乘以数字么？听上去挺好笑的，结果并非如此，我们来具体看看。过滤器为1×1，这里是数字2，输入一张6×6×1的图片，然后对它做卷积，起过滤器大小为1×1×1，结果相当于把这个图片乘以数字2，所以前三
极客Array·2023-09-11 07:30

元壤教育“AIGC大模型应用开发工程师”课纲，学习这套课程就够了

—吴恩达“在我看来，几乎可以肯定的是，人工智能与人类智能共同推动的许多重大变化将在未来10年（实际上是未来三年）在许多领域带来令人
黎跃春·2023-09-09 10:51

吴恩达gradio课程：基于开源LLM（large language model）的聊天应用

文章目录内容简介构建应用程序使用gradio在线体验接下来结合llm模型使用gradio构建一个完整的应用程序内容简介Falcon40B是当前最好的开源语言模型之一。使用text-generation库调用Falcon40B的问答API接口。首先仅仅在代码中与模型聊天,后续通过Gradio构建聊天界面。Gradio聊天界面可以保存对话历史上下文。在聊天过程中,需要将之前对话记录与新消息一起发送给模
Cachel wood·2023-09-09 02:28

线性回归（吴恩达机器学习）

回归是机器学习中最经典的算法，它的意思就是根据之前的数据找出某种规律（可以是线性，也可以是非线性），构建模型实现预测或分类。一、线性回归1.线性回归线性回归顾名思义，就是找出大量数据在二维平面中呈现的是线性关系。拿房价举个例子，假如你现在要出售自己的房子，你不大清楚这么大面积的房子能卖多少钱，于是你找到了所在小区的房价数据（房价、面积），发现大概是呈线性分布，那么如果你可以通过这个直线，去计算出自
没名字的蓝猫·2023-09-08 08:04

章节7_Logistic回归_《吴恩达机器学习》学习笔记

章节7有的时候我们遇到的问题并不是线性的问题，而是分类的问题。比如判断邮件是否是垃圾邮件，信用卡交易是否正常，肿瘤是良性还是恶性的。他们有一个共同点就是Y只有两个值{0,1}，0代表正类，比如肿瘤是良性的；1代表负类，比如肿瘤是恶性的。当然你想用1代表良性也可以，而且输出的值不仅仅局限为0和1两类，有可能还有多类，比如手写体识别是从0到9。如果使用线性的方法来判断分类问题，就会出现图上的问题。我们
jimleelcc·2023-09-07 12:44

【吴恩达机器学习】第三周—逻辑回归、过拟合、正则化

31.jpg1.分类问题（Regression）在分类问题中，你要预测的变量是离散的值，我们将学习一种叫做逻辑回归(LogisticRegression)的算法，这是目前最流行使用最广泛的一种学习算法。顺便说一下，逻辑回归算法是分类算法，我们将它作为分类算法使用。有时候可能因为这个算法的名字中出现了“回归”使你感到困惑，但逻辑回归算法实际上是一种分类算法，它适用于标签取值离散的情况，如:1001。
Sunflow007·2023-09-06 17:55

很棒的AIGC 教程-适合初学者也适合进阶AI爱好者

入门人工智能为每个人-吴恩达面向师生的实用人工智能-沃顿商学院人工智能初学者-微软生成式AI学习路径-谷歌大语言模型提示工程ChatGPT
AI 研习所·2023-09-06 06:12

吴恩达：AI已经做好颠覆人类医生的准备了

近来，一组由吴恩达博士带领的斯坦福研究人员开发了一个新的机器学习模型，通过心电图来判断患者是否心律不齐，其效果甚至已经超过了人类专家。
llawliet0001·2023-09-06 04:39

数学建模--逻辑回归算法的Python实现

首先感谢CSDN上发布吴恩达的机器学习逻辑回归算法任务的各位大佬.通过大佬的讲解和代码才勉强学会.这篇文章也就是简单记录一下过程和代码.CSDN上写有关这类文章的大佬有很多,大家都可以多看一看学习学习.
Danceful_YJ·2023-09-06 02:02

机器学习(吴恩达第一课)

课程链接文章目录第一周1、机器学习定义2、监督学习(Supervisedlearning)1、回归(Regression)2、分类(Classification)3、无监督学习(Unsupervisedlearning)4、线性回归模型5、代价函数6、梯度下降(Gradientdescent)1、学习率2、用于线性回归的梯度下降第二周(多维特征)1、特征缩放2、如何设置学习率3、特征工程(Feat
Think-killer·2023-09-05 15:04

吴恩达：AI已经做好颠覆人类医生的准备了

近来，一组由吴恩达博士带领的斯坦福研究人员开发了一个新的机器学习模型，通过心电图来判断患者是否心律不齐，其效果甚至已经超过了人类专家。
分享IT资源·2023-09-04 23:21

机器学习入门笔记1

目前主要跟着B站的2022吴恩达机器学习课程并完成相应的练习作业文章目录基础知识ApplicationsDefinitionSupervisedlearningUnsupervisedlearningLinearRegressionModel
lonyhai·2023-09-04 14:27

自动驾驶入门日记-14-2018CVPR自动驾驶论文阅读

要说有什么好玩的事情，应该是我们的吴恩达（AndrewNg）老师最近就在今天宣布开始种地啦，国人田园风光才是真正美好啊。开玩笑的啦，新闻是这样的：L
我爱大头老婆·2023-09-04 10:31

吴恩达gradio课程：diffusion 文生图（Image to Text）模型

文章目录内容简介主要的Block元素构建应用程序界面改进内容简介使用了基于Diffusion模型的图像生成技术,可以从文本描述中生成图像。通过简单的Python代码调用模型接口,只需要提供文本提示即可生成图像。使用Gradio构建了一个简洁的网页界面,可以自定义文本提示来生成图像。接口可以控制生成图像的大小和细节程度等参数。使用GradioBlocks,它可以创建更复杂的用户界面布局。主要的Blo
Cachel wood·2023-09-03 20:44

吴恩达gradio课程：文本摘要和NER

文章目录`APIToken`获取文本摘要小型专家模型构建文本摘要应用程序构建命名实体识别应用程序NERAPIToken获取获取方式参考：HuggingFace的APItoken获取方式指南文本摘要使用distilbart-cnn模型构建了一个文本摘要应用。该模型专门用于文本摘要任务。使用Gradio创建了一个简单的用户界面,允许用户输入文本并生成摘要。使用了一个BERT模型构建了一个命名实体识别应
Cachel wood·2023-09-03 20:43

CV 开发的自我修养

CV开发者自我修养|吴恩达教程/笔记/刷题资料最全汇总书籍教程⋅sophie⋅于4个月前⋅746阅读吴恩达老师在机器学习领域的知名度是众所周知的，他在coursera平台上发布的《机器学习》课程，在国内外都可以说是机器学习入门的第一课和最热门课程
thousand_·2023-09-03 18:42

智聚长沙、共襄盛举 | 1024 程序员节讲师征集

这个由GoogleFellowJeffDean、研究员GregCorrado和当时还在斯坦福任教的教授吴恩达共同发起的项目，成功让普罗大众首次亲眼目睹深度学习的威力，并打响了自己的名号。
CSDN资讯·2023-08-31 15:46

机器学习 - 吴恩达版(Stanford)笔记 003

Topic:definitionofsupervisedlearning如果你有一个朋友想卖掉自己的房子，他的房子大小是想知道自己的房子可以卖多少钱。学习算法可以帮助他做什么呢？学习算法可以根据数据画一条直线或者曲线来拟合数据.如果用一条直线来拟合数据点，我们大致可以得出，房子可以卖150,000刀但也许我们有更好的拟合方式，比如使用多项式或者高次函数。例如使用二次函数(quadraticfunc
Wallace_QIAN·2023-08-30 18:07

卷积神经网络之一维卷积、二维卷积、三维卷积

如果你对卷积维度的计算不清楚，可以参考我之前的博客吴恩达深度学习笔记（deeplearning.ai）之卷积神经网络（CNN）（上）。
bebr·2023-08-30 05:32

AI培训班有存在的必要吗？

本文由【AI前线】原创，原文链接：t.cn/RY3RQEVAI前线导语：“被称为“业界良心”吴恩达在Coursera的免费机器学习课程，学员数目有超过两百万；而最近国内某人工智能教育平台创始人也在微博宣称其培训平台已经吸引到将近十万的付费学员
AI前线·2023-08-30 00:58

Machine Learning Resources

吴恩达老师的9周课程网上推荐的非官方笔记台湾大学李宏毅教授的课程CarnegieMellonUniversityTomMitchellandMaria-FlorinaBalcanMachineLearninghttps
浩瀚之宇·2023-08-29 06:01

吴恩达机器学习——正则化

7.1过拟合的问题过拟合问题简单来说就是泛化能力差：所建的机器学习模型在训练样本中准确率很高，在验证数据集中准确率低——也就是说模型难以推广到新的数据。下图是一个回归问题的例子：第一个模型是一个线性模型，欠拟合，不能很好地适应我们的训练集；第三个模型是一个四次方的模型，过于强调拟合原始数据，而丢失了算法的本质：预测新数据。我们可以看出，若给出一个新的值使之预测，它将表现的很差，是过拟合，虽然能非常
SCY_e62e·2023-08-29 00:26

吴恩达深度学习--logitic回归损失函数

2.3logitic回归损失函数学习损失函数和误差函数可以用来检测算法运行情况，如在算法输出时定义损失，yhat和实标y有可能是一个或半个平方误差。平方误差函数你可以如此操作，但一般在逻辑回归里不进行此操作，因为当研究参数时，我们讨论的优化问题将会变成非凸问题，所以优化问题会产生多个局部最优解，梯度下降算法也就无法找到全局最优解。函数L被称为损失函数，需要进行设定，才能在实标为y时对输出yhat进
862180935588·2023-08-28 15:54

吴恩达 GPT Prompting 课程

PromptingGuidelines目录GuidelinesforPromptingPromptingPrinciplesPrinciple1:Writeclearandspecificinstructions1.1:Usedelimiterstoclearlyindicatedistinctpartsoftheinput1.2:Askforastructuredoutput1.3:Askthe
学习溢出·2023-08-23 08:29

【吴恩达机器学习】第六周—机器学习系统设计

31.jpg1.应用机器学习的建议1.1下一步做什么仍然使用预测房价的学习例子，假如你已经完成了正则化线性回归，也就是最小化代价函数J的值，假如，在你得到你的学习参数以后，如果你要将你的假设函数放到一组新的房屋样本上进行测试，假如说你发现在预测房价时产生了巨大的误差，现在你的问题是要想改进这个算法，接下来应该怎么办？获得更多的训练实例——通常是有效的，但代价较大，下面的方法也可能有效，可考虑先采用
Sunflow007·2023-08-21 22:16

吴恩达机器学习2011版本学习笔记

这是看完视频后，按自己的理解做了笔记。监督学习学的比较认真，33之后的无监督学习心态已经浮躁了，以后要再学一遍2022最新版视频课。1，有正确答案是有监督学习，反之是无监督学习2，模型就是把训练数据拟合为一个公式(严格来说是个函数，关系)。入门的拟合的方法是最小二乘法，先假设一个公式，代入不同系数，然后再把训练数据的x依次代入求y，然后看y与训练数据的正确答案的方差。这样假设的系数作z，与结果方差
zhaot1993·2023-08-19 21:05

[Machine Learning] decision tree 决策树

正好原本的学习进度刚刚完成这部分，所以集成一个笔记了,本文中所有的截图绝大多数来自吴恩达老师的公开课
ViceMusic5·2023-08-19 11:34

5-2 Coursera吴恩达《序列模型》 第二周课程笔记-自然语言处理和词嵌入

上一篇文章5-1Coursera吴恩达《序列模型》第一周课程笔记-循环序列网络(RNN)我们主要介绍了循环神经网络（RNN）的基本概念、模型和具体应用。
双木的木·2023-08-17 19:42

机器学习吴恩达——第二周

7逻辑回归7.1分类问题在分类问题中，我们要预测的变量y是离散的值，比如说0，1。这时我们可以采用逻辑回归来处理问题。在分类问题中，我们尝试预测的是结果是否属于某一个类(例如正确或错误)。分类问题的例子有:判断一封电子邮件是否是垃圾邮件;判断一次金融交易是否是欺诈;之前我们也谈到了肿瘤分类问题的例子，区别一个肿瘤是恶性的还是良性的。首先是二元的分类问题，那么结果y只有两种情况，0和1.二元分类问题
荔枝葡萄干·2023-08-16 15:54
上一页 5 6 7 8 9 10 11 12 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他