吴恩达-Coursera

多变量线性回归（二）

b站学习链接：传送门，学习视频第4、5章学习目录索引：吴恩达2014课程简介知识补充思考一个问题：什么时候适合用线性回归？什么时候适合用多项式回归？
水枂·2023-08-02 09:12

支持向量机（七）

b站学习链接：传送门学习视频第12章学习目录索引：吴恩达2014课程简介知识补充支持向量机支持向量机（SupportVectorMachine，SVM）是一种常用的监督学习算法，用于进行分类和回归分析。
水枂·2023-08-02 06:57

聚类和降维（八）

b站学习链接：传送门学习视频第1314章学习目录索引：吴恩达2014课程简介知识补充闵可夫斯基距离闵可夫斯基距离（Minkowskidistance）是一种用于衡量两个点之间的距离的度量方式，它是欧几里德距离和曼哈顿距离的一般化形式
水枂·2023-08-02 06:27

异常检测和推荐系统（九）

b站学习链接：传送门学习视频第1516章学习目录索引：吴恩达2014课程简介知识补充独立假设独立假设是概率论和统计学中的一个重要概念，用于描述两个或多个随机事件或随机变量之间是否相互独立。
水枂·2023-08-02 06:27

应用机器学习的建议（六）

b站学习链接：传送门学习视频第1011章学习目录索引：吴恩达2014课程简介知识补充线性和非线性线性和非线性是描述数学函数、模型或关系的两个基本概念。线性：线性是指一个函数、模型或关系满足线性性质。
水枂·2023-08-02 06:26

吴恩达2014课程简介

吴恩达的机器学习课程有两个版本，本课程学习的是《斯坦福大学2014机器教程》文章目录索引作业参考路径https://gitee.com/angerial/ai-samples相关文章吴恩达今年的机器学习课程与老版的有什么区别
水枂·2023-08-02 06:26

Pytorch入门学习——快速搭建神经网络、优化器、梯度计算

Pytorch_Study因为最近有同学问我如何Nerf入门，这里就简单给出一些我的建议：（1）基本的pytorch，机器学习，深度学习知识，本文介绍的pytorch知识掌握也差不多.机器学习、深度学习零基础的话B站吴恩达
出门吃三碗饭·2023-08-01 23:03

Coursera人气课程：学会如何学习 （一）笔记

Coursera人气课程：学会如何学习（一）1.两种思考模式：专注模式《—————》发散模式重点学习时了解新事物时2.每天做一点：这就是关键所在3.番茄工作法：战胜拖延问题4.实践使记忆永存5.学习就像砌墙放好砖头
从Em到Bm·2023-08-01 05:37

吴恩达学习笔记（四）

神经网络参数的反向传播算法第七十二课：代价函数神经网络是当下最强大的学习算法之一，那么在给定训练集时，如何为神经网络拟合参数？神经网络在分类问题中的应用：两种分类问题：第一种是二元分类；这里的y只能是0或1，在这种情况下，我们会有且仅有一个输出单元。K：输出层的单元数目。第二种是多类别分类问题：即会有K个不同的类，有K个输出单元，假设输出K维向量。接下来为神经网络单元定义代价函数：这时我们有K个输
带刺的小花_ea97·2023-07-31 19:28

2019-03-26 一页纸看清云计算基本概念

刚学习完Coursera上的课程CloudComputingConceptsPart1ByUniversityofIllinoisatUrbana-Champaign，针对该课程中的主要概念进行了分类整理如下
susyhz·2023-07-31 10:43

#Git 教程整理# V1.0

coursera,VersionControlwithGit十分建议入门先看它，有十分简明的步骤图示和讲解，有习题检测你是否理解，也有详细的文本操作指导和练习题。
LeeMin_Z·2023-07-30 22:50

學生怎樣學習

先承認，我聽過的學習理論不多，本文思想主要來源就是我在coursera上學過的一堂課叫做「學習如何學習」(learninghowtolearn)。
思想筆記·2023-07-30 16:41

1x1卷积核详解及分析

盗用吴恩达老师的一张图片来说明1*1卷积是怎样计算的：从上图中可以看出当通道数目为1的卷积核相当于直接在原图像的像素上进行加权求求和。
梦在黎明破晓时啊·2023-07-30 11:35

吴恩达机器学习笔记（3）

多变量线性回归：问题：根据多个属性，如房子面积，房子楼层，房子年龄等估计房子的价格多变量线性回归中的变量多变量线性回归的假设此时有多个特征,i对应不同的特征值，如房子面积，楼层，年龄等，参数为一个n+1维向量多变量线性回归中的梯度下降，对每一个参数求偏导数从而得到不同参数的梯度参数特征缩放——加速梯度下降过程收敛到最优值多变量梯度下降时，参数的取值要尽量小在多多变量梯度下降中，要让不同参数的取值范
魏清宇·2023-07-30 01:52

异常检测算法

anomaly-detection-resources7.吴恩达机器学习中文版笔记：异常检测（AnomalyDetection）
夕宝爸爸·2023-07-30 00:55

怎么学习Java并发编程相关技术？ - 易智编译EaseEditing

学习Java并发编程可以通过多种方式进行，包括但不限于以下几种：在线教程和学习平台：网上有许多免费和付费的Java并发编程教程和学习平台，如Coursera、Udemy、edX、Codecademy等。
易智编译·2023-07-29 20:44

【深度学习笔记】Softmax 回归

本专栏是网易云课堂人工智能课程《神经网络与深度学习》的学习笔记，视频由网易云课堂与deeplearning.ai联合出品，主讲人是吴恩达AndrewNg教授。
洋洋Young·2023-07-29 10:15

【深度学习笔记】动量梯度下降法

本专栏是网易云课堂人工智能课程《神经网络与深度学习》的学习笔记，视频由网易云课堂与deeplearning.ai联合出品，主讲人是吴恩达AndrewNg教授。
洋洋Young·2023-07-29 10:15

梯度下降学习

吴恩达老师讲的视频（果然b站是个学习的网站）https://www.bilibili.com/video/av15346993?
qwrdxer·2023-07-27 03:56

吴恩达深度学习L1W2——实现简单逻辑回归

文章目录一些笔记写作业导入数据取出训练集、测试集处理数据的维度标准化数据sigmoid函数初始化参数w、b前向传播、代价函数、梯度下降优化预测函数模型整合使用模型绘制代价曲线单个样本测试不同alpha的比较预测新图根据笔记中的公式进行构造函数，之后使用模型进行预测一些笔记写作业导入数据importh5pyimportnumpyasnp#训练集、测试集train_data=h5py.File('./
每个人都是孙笑川·2023-07-27 03:25

零基础深度学习——学习笔记1 (逻辑回归)

前言因为各种各样的原因要开始学习深度学习了，跟着吴恩达老师的深度学习视频，自己总结一些知识点，以及学习中遇到的一些问题，以便记录学习轨迹以及以后复习使用，为了便于自己理解，我会将一些知识点用以个人的理解用通俗的语言表达出来
黑白程序员·2023-07-27 03:54

吴恩达ChatGPT《LangChain Chat with Your Data》笔记

文章目录1.Introduction2.DocumentLoading2.1RetrievalAugmentedGeneration（RAG）2.2LoadPDFs2.3LoadYouTube2.4LoadURLs2.5LoadNotion3.DocumentSplitting3.1SplitterFlow3.2CharacterSplitter3.3TokenSplitter3.4Markdow
datamonday·2023-07-26 00:45

拥抱生成式大模型 --- 提示工程篇

感谢吴恩达老师的开源课程。引言随着大型语言模型（LLM）的发展，LLM大致可以分为两种类型，即基础LLM和指令微调LLM。
有莘不殁·2023-07-25 19:50

2019-05-01

跟着coursera上的课程AppliedMachineLearninginPython学习了一个机器学习的示例，很简单的对水果进行分类，下载数据之后发现，哎对文件的简单复制粘贴会改变数据文件的分隔符，
月照寒江·2023-07-25 07:20

吴恩达机器学习打卡day6

本系列文档按课程视频的章节（P+第几集）进行分类，记录了学习时的一些知识点，方便自己复习。课程视频P54图1表示求导数的原理。图1 图2将图1推广到有n个参数变量的情况。图2 图3提出了一些注意事项。图3 课程视频P55图4表示了求导时的一些特殊规律。图4 课程视频P56图5给出了选择神经网络层数的一些规律，通常中间层的层数要大于等于输入层的特征变量数量。图5 **图6给出了训练神经网络的操作步骤
不学了，删库跑路·2023-07-24 21:15

【深度学习笔记】随机梯度下降法

本专栏是网易云课堂人工智能课程《神经网络与深度学习》的学习笔记，视频由网易云课堂与deeplearning.ai联合出品，主讲人是吴恩达AndrewNg教授。
洋洋Young·2023-07-24 16:09

凯旋门的夜晚

0x01一直在看吴恩达老师的斯坦福cs229课程，收获了很多东西、0x02回到了苏州，忙着看机器学习的视频，也愁着生活的经费，没有人的陪伴，我要习惯落寞。
张建凯·2023-07-24 03:53

零基础"机器学习"自学笔记|Note7:逻辑回归

本系列以吴恩达老师的【“机器学习”课程】为纲，辅以黄海广老师的【斯坦福大学2014机器学习教程个人笔记（V5.51）】，中间会穿插相关数理知识。
木舟笔记·2023-07-23 15:33

跟着我，一步步实践极简积极人生，收获满满的幸福

刚好学完《AlifeofHappinessandFulfillment/美满幸福的一生》（Coursera上有免费课程，但是老师是印度教授，印度口音英语，嘿嘿），这周就聊聊这个话题，一来回答朋友的问题，
李李极简积极人生·2023-07-22 23:42

吴恩达机器学习-logistic回归

logistic回归—离散变量的分类问题（0,1）分类，通常0表示“没有某样东西”，1表示“有某样东西”如有癌症，是垃圾软件等上图所示是一个（0,1）分类问题，当y的取值为{0,1,2,3}时，就变成一个多分类问题线性回归拟合而分类问题上述问题是一个肿瘤预测问题，根据肿瘤的大小判断肿瘤是良性还是恶性的，当数据显示如图时，使用线性回归似乎是合理的肿瘤大小小于0.5对应的那个值时肿瘤为良性，大于时为恶
魏清宇·2023-07-22 20:28

吴恩达深度学习笔记(21)-神经网络的权重初始化为什么要随机？

随机初始化（Random+Initialization）当你训练神经网络时，权重随机初始化是很重要的。对于逻辑回归，把权重初始化为0当然也是可以的。但是对于一个神经网络，如果你把权重或者参数都初始化为0，那么梯度下降将不会起作用。让我们看看这是为什么？有两个输入特征，n^([0])=2，2个隐藏层单元n^([1])就等于2。因此与一个隐藏层相关的矩阵，或者说W^([1])是2*2的矩阵，假设把它初
极客Array·2023-07-22 04:51

学习Python的资料

如果您想学习Python，以下是一些有用的资源：官方文档：https://docs.python.org/zh-cn/3/书籍：《Python编程从入门到实践》、《Python基础教程》等在线课程：Udemy、Coursera
半清斋·2023-07-22 01:59

Coursera C++ Part B [Week1] C++进阶

C++PartB是C++进阶课程，bf课程网址https://www.coursera.org/learn/c-plus-plus-b/home/welcomecourseoverviewIntroductiontotheSTLlibraryIteratorcategoriesandexamplesContainersandalgorithmsLambdaexpressions
小啾Kris·2023-07-20 23:10

GraphQL 入门与实践

其实不仅Facebook，其他公司也有在探索相关类似的技术，Netflix也曾推出他们的方案Falcor，Coursera在Facebook推出GraphQL后，取消了相关研发，直接使用GraphQL。
前端码农小王·2023-07-20 17:06

【深度学习笔记】梯度消失与梯度爆炸

本专栏是网易云课堂人工智能课程《神经网络与深度学习》的学习笔记，视频由网易云课堂与deeplearning.ai联合出品，主讲人是吴恩达AndrewNg教授。
洋洋Young·2023-07-19 10:50

深度学习路线

深度学习路线机器学习视频吴恩达http://open.163.com/special/opencourse/machinelearning.html神经网络深度学习在线教程共六章http://neuralnetworksanddeeplearning.com
OliverH-yishuihan·2023-07-19 07:26

学习率的选择

总结通常可以考虑尝试些学习率慢慢进行调试：参考内容：吴恩达机器学
氢气氧气氮气·2023-07-18 18:07

吴恩达的2022年终盘点：视觉Transformer、生成式AI、大模型闪耀全年！

点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达点击进入—>CV微信技术交流群转载自：智源社区近日，吴恩达在圣诞节的《TheBatch》特刊上发布了一年一度的年终盘点。
Amusi（CVer）·2023-07-18 17:26

【机器学习】吴恩达课程2-单变量线性回归

一、单变量线性回归1.模型描述监督学习的流程&单变量线性回归函数代价函数：，其中m表示训练样本的数量公式为预测值与实际值的差，平方为最小二乘法和最佳平方/函数逼近。目标：最小化代价函数，即2.只考虑一个参数为方便分析，先取为0并改变的值3.参数都考虑将三维图平面化：等高线的中心对应最小的代价函数二、梯度下降1.算法思路指定和的初始值不断改变和的值，使不断减小得到一个最小值或局部最小值时停止2.梯度
禾风wyh·2023-07-18 10:22

吴恩达机器学习2022-Jupyter

1可选实验室:多变量线性回归在这个实验室中，您将扩展数据结构和以前开发的例程，以支持多个特性。一些程序被更新使得实验室看起来很长，但是它对以前的程序做了一些小的调整使得它可以很快的回顾。2目标扩展我们的回归模型例程以支持多个特性扩展数据结构以支持多个特性重写预测，成本和梯度例程，以支持多个功能利用NumPynp.dot向量化它们的实现，以提高速度和简单性在这个实验室里，我们将利用:NumPy，一个
KAY金·2023-07-18 06:40

吴恩达-面向开发人员的 ChatGPT 提示工程

探索ChatGPT，协助工作学习创作。公众号「阿杰与AI」回复AI，加入社群，一同探讨，一同成长，比他人更进一步。我们一起维护一个完全免费开源知识库。1.AI、OpenAI、MidJourney发展史2.ChatGPT们对今后社会生活的影响3.目前市面比较好的AI产品介绍4.注册方式汇总5.针对初学者的ChatGPT速成课程6.ChatGPT如何辅助工作6.1ChatGPT处理ExcelWordP
阿杰的人生路·2023-07-17 15:40

吴恩达ChatGPT网课笔记Prompt Engineering——训练ChatGPT前请先训练自己

吴恩达ChatGPT网课笔记PromptEngineering——训练ChatGPT前请先训练自己主要是吴恩达的网课，还有部分github的prompt-engineering-for-developers
瞲_大河弯弯·2023-07-17 15:39

【吴恩达-AIGC/ChatGPT提示工程课程】第八章 - **聊天机器人 Chatbot.**

【吴恩达-AIGC/ChatGPT提示工程课程】第八章-聊天机器人Chatbot.使用一个大型语言模型的一个令人兴奋的事情是，我们可以用它来构建一个定制的聊天机器人，只需要很少的工作量。
黎跃春·2023-07-17 15:09

【吴恩达】prompt engineering（原则 迭代 文本概括 推断、订餐机器人）

简介Introduction基础的LLM训练的模型，问法国的首都什么，可能会将答案预测为“法国最大的城市是什么，法国的人口是多少”许多LLMs的研究和实践的动力正在指令调整的LLMs上。指令调整的LLMs已经被训练来遵循指令。因此，如果你问它，“法国的首都是什么？”，它更有可能输出“法国的首都是巴黎”。指令调整的LLMs的训练通常是从已经训练好的基本LLMs开始，该模型已经在大量文本数据上进行了训
山顶夕景·2023-07-17 15:38

吴恩达深度学习笔记整理（四）—— 超参数调试、正则化以及优化

目录改善深层神经网络：超参数调试、正则化以及优化训练，验证，测试集（Train/Dev/Testsets）偏差和方差权衡方差和偏差的问题正则化为什么只正则化参数？为什么不再加上参数呢？为什么正则化有利于预防过拟合呢？为什么压缩2范数，或者弗罗贝尼乌斯范数或者参数可以减少过拟合？dropout正则化。其他正则化方法归一化输入1.零均值2.归一化方差。为什么使用归一化处理输入？梯度消失/梯度爆炸神经网
梦想的小鱼·2023-07-17 08:27

【深度学习笔记】偏差与方差

本专栏是网易云课堂人工智能课程《神经网络与深度学习》的学习笔记，视频由网易云课堂与deeplearning.ai联合出品，主讲人是吴恩达AndrewNg教授。
洋洋Young·2023-07-17 08:27

【深度学习笔记】正则化与 Dropout

本专栏是网易云课堂人工智能课程《神经网络与深度学习》的学习笔记，视频由网易云课堂与deeplearning.ai联合出品，主讲人是吴恩达AndrewNg教授。
洋洋Young·2023-07-17 08:26

吴恩达机器学习笔记（5）—— 神经网络

又摸鱼摸了好久，终于开学了，不能再摸鱼了，这学期课都是嵌入式开发方面的，我给自己的电脑买了个新硬盘装了Linux，不再像以前在虚拟机里小打小闹了，折腾了好几天的新系统，现在有时间写新的笔记了。这次给大家带来的是神经网络，比较难，我可能写的也不是太明白，就看看吧。非线性假设其实神经网络是一个很古老的算法，不过在很长的一段时间内受计算机的机能所限，这个算法没有太大的进展。直到了现在，计算机的飞速发展，
机智的神棍酱·2023-07-17 06:15

【机器学习】吴恩达课程1-Introduction

一、机器学习1.定义计算机程序从经验E中学习，解决某一任务T，进行某一性能P，通过P测定在T上的表现因经验E而提高。2.例子跳棋程序E：程序自身下的上万盘棋局T：下跳棋P：与新对手下跳棋时赢的概率二、监督学习SupervisedLearning1.定义给算法一个数据集，其中包含了正确答案，算法的目的是给出更多的正确答案。2.例子（1）预测房价（回归问题）Regressionproblem回归：Pr
禾风wyh·2023-07-16 18:32

【吴恩达机器学习】第七周—SVM支持向量机与核函数

31.jpg1.支持向量机SupportVectorMachines1.1介绍在分类问题中，除了线性的逻辑回归模型和非线性的深度神经网络外，我们还可以应用一种被广泛应用于工业界和学术界的模型—支持向量机，简称SVM，与逻辑回归和神经网络相比，支持向量机在学习复杂的非线性方程时提供了一种更为清晰，更加强大的方式。尽管现在深度学习十分流行，了解支持向量机的原理，对想法的形式化、简化、及一步步使模型更一
Sunflow007·2023-07-16 16:08
上一页 9 10 11 12 13 14 15 16 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他