吴恩达-Coursera

吴恩达ML2022-用于手写数字识别的神经网络

1用到的包导入在这个分配过程中需要的所有包。Numpy是使用Python进行科学计算的基本软件包。Matplotlib是在Python中绘制图形的流行库。tensorflow是一种流行的机器学习平台。importnumpyasnpimporttensorflowastffromtensorflow.keras.modelsimportSequentialfromtensorflow.keras.l
KAY金·2023-07-16 09:51

前端自学记录——视频书籍等资源评测（持续更新中......）

一、视频1.Coursera约翰霍普金斯大学HTML,CSS,andJavascriptforWebDevelopers课程这门课在Coursera上评分挺高的（4.8分），对HTML,CSS和Javascript
Zaralike·2023-07-16 08:40

关于吴恩达深度学习总结(一)

关于吴恩达深度学习总结(一)相关函数文章目录关于吴恩达深度学习总结(一)相关函数一、costfunction(成本函数)二、lossfunction(损失函数)三、sigmoidfunction（sigmoid
南阳北海·2023-07-16 03:16

吴恩达机器学习2022-Jupyter-用scikitlearn实现线性回归

1可选实验:使用Scikit-Learn进行线性回归有一个开源的、商业上可用的机器学习工具包，叫做scikit-learn。本工具包包含您将在本课程中使用的许多算法的实现。1.1工具您将利用scikit-learn以及matplotlib和NumPy中的函数。2线性回归封闭式解决方案Scikit-learn的线性回归模型实现了一种封闭式的线性回归。让我们使用早期实验室的数据——一栋1000平方英尺
KAY金·2023-07-15 16:41

吴恩达机器学习2022-Jupyter-Scikit-Learn教学

1可选实验室:线性回归使用Scikit-Learn有一个开源的、商业上可用的机器学习工具包，叫做scikit-learn。本工具包包含您将在本课程中使用的许多算法的实现。1.1目标在这个实验室里:利用scikit-学习使用线性回归梯度下降法来实现1.2工具您将利用scikit-learn以及matplotlib和NumPy中的函数。2梯度下降Scikit-learn有一个梯度下降法回归模型skea
KAY金·2023-07-15 16:41

吴恩达机器学习2022-Jupyter-用scikitlearn实现逻辑回归

1.1目标使用scikit-learn培训Logit模型模型。1.2数据集importnumpyasnpX=np.array([[0.5,1.5],[1,1],[1.5,0.5],[3,0.5],[2,2],[1,2.5]])y=np.array([0,0,0,1,1,1])1.3Fit模型下面的代码导入了scikit-learn的Logit模型模型。您可以通过调用fit函数将此模型适合于训练数据
KAY金·2023-07-15 16:39

使用 ChatGPT 的 7 个技巧 | Prompt Engineering 学习笔记

概述前段时间在DeepLearning学了一门大火的Prompt的课程，吴恩达本人授课，讲的通俗易懂，感觉受益匪浅，因此在这里总结分享一下我的学习笔记。为什么要学习Prompt？
快乐无限出发·2023-07-15 16:49

吴恩达机器学习2022-Jupyter1可选实验室: Python 和 Jupyter 笔记本简介

欢迎来到第一个可选实验室！可供选择的实验室包括:提供信息-比如这个笔记本以实际例子加强课堂教材提供分级实验室常规的工作实例1.1目标在本实验中，您将:对Jupyter笔记本进行简要介绍，参观Jupyter笔记本，了解标记单元格和代码单元格之间的区别，练习一些基本的python熟悉Jupyter笔记本最简单的方法就是参观上面的帮助菜单帮助菜单本课程中使用的Jupyter笔记本有两种类型的单元格。诸如
KAY金·2023-07-15 09:37

吴恩达机器学习2022-Jupyter-机器学习实例

1可选实验:特征工程和多项式回归1.1目标在这个实验室里:探索特征工程和多项式回归，它可以让你使用线性回归机制来适应非常复杂，甚至非常非线性的函数。1.2工具您将利用在以前的实验中开发的函数以及matplotlib和NumPy。2特征工程与多项式回归综述线性回归提供了一种模型方法，公式形式为:如果您的特性/数据是非线性的或者是特性的组合，该怎么办？例如，住房价格往往不与居住面积成线性关系，而是对小
KAY金·2023-07-15 08:00

吴恩达机器学习2022-Jupyter

1可选实验室:Python、NumPy和矢量化简要介绍本课程中使用的一些科学计算。特别是NumPy科学计算包及其与python的使用。2目标在这个实验室里将回顾课程中使用的NumPy和Python的特性。Python是本课程中使用的编程语言。NumPy库扩展了python的基本功能，添加了更丰富的数据集，包括更多的数值类型、向量、矩阵和许多矩阵函数。NumPy和python相当无缝地协同工作。Py
KAY金·2023-07-15 08:15

吴恩达机器学习2022-Jupyter特征缩放

1可选实验室:特征缩放和学习率(多变量)1.1目标在这个实验室里:利用前一实验室开发的多变量线性回归模型程序在具有多种功能的数据集上运行梯度下降法探讨学习速度alpha对梯度下降法的影响通过使用z分数标准化的特征缩放来提高梯度下降法的性能1.2工具您将使用在上一个实验中开发的函数以及matplotlib和NumPy。importnumpyasnpnp.set_printoptions(precis
KAY金·2023-07-15 08:15

如何使用ChatGPT得到更满意的结果：Prompt Engineering （2）

几个月之前，DeepLearning.ai创始人吴恩达与OpenAI开发者IzaFulford联手推出了一门面向开发者的PromptEngineering教程，不知道大家有没有看…我当时火速看了，但是一直没有来得及整理中文版
Dorothy30·2023-07-15 05:06

【深度学习笔记】浅层神经网络

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·2023-07-15 02:27

【深度学习笔记】深层神经网络

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·2023-07-15 02:27

【深度学习笔记】训练 / 验证 / 测试集

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·2023-07-15 02:17

yolo.h5文件问题的解决 - 吴恩达深度学习：目标检测之YOLO算法

1.下载下载yad2k:gitclonehttps://github.com/allanzelener/yad2k.git这里面顺便有yad2k.py文件2.下载yolov2.cfghttps://github.com/pjreddie/darknet/tree/master/cfg3.下载yolov2.weightshttp://pjreddie.com/media/files/yolo.wei
热爱技术的小曹·2023-07-14 22:08

吴恩达的人脸检测

1.将人脸图像编码为128位的向量1.1-使用卷积网络来进行编码系统构建一个编码，对该编码的元素进行比较，FaceNet模型需要大量的数据和长时间的训练#获取模型FRmodel=faceRecoModel(input_shape=(3,96,96))#打印模型的总参数数量print(“参数数量：”+str(FRmodel.count_params()))1.2.计算两个编码以及阈值之间的误差13.
热爱技术的小曹·2023-07-14 21:26

吴恩达 ChatGPT Prompt Engineering for Developers 系列课程笔记--01 Introduction

01课程介绍Introduction1)两种LLM(LargeLanguageModels)BaseLLM：根据训练数据自动预测下一个单词。例如：给定"Onceuponatime,therewasaunicorn"，LLM会自动生成下面的文章"thatlivedinamagicalforrestwith…“。但当给定一个问题"WhatisthecapitalofFrance"时，LLM预测的内容很
Isawany·2023-07-14 19:30

吴恩达ChatGPT《LangChain for LLM Application Development》笔记

基于LangChain的LLM应用开发1.介绍现在，使用Prompt可以快速开发一个应用程序，但是一个应用程序可能需要多次写Prompt，并对LLM的输出结果进行解析。因此，需要编写很多胶水代码。HarrisonChase创建的LangChain框架可以简化开发流程。其包含两个包，Python和JavaScript。LangChain提取了很多公共的抽象，注重组合和模块化，包含了很多可以单独使用或
datamonday·2023-07-14 19:53

AI Is the New Power

这个题目纯粹是为了博眼球，因为吴恩达有个题目是AIIstheNewElectricity。：）但是我想AI确实是为我们这些企业信息化顾问顾问赋予了新的力量，在我们的职业生涯中开辟了新的可能性。
NetSuite知识会·2023-07-14 16:44

利用langchain-ChatGLM、langchain-TigerBot实现基于本地知识库的问答应用

目录1原理2langchain-ChatGLM的开发部署2.1安装环境2.2加载本地模型3langchain-TigerBot的开发部署刷B站的时候，无意中看到吴恩达的一个langchain的教程，然后去
陈 洪 伟·2023-07-14 13:25

人工智能简史笔记2

下图看到了左二辛顿和右一吴恩达。2013年谷歌收购辛顿的DNNRearch公司，有趣的是这家公司没有产品，只有三个深度学习的牛人。同
蛋壳记忆·2023-07-14 04:37

AIGC大记事【2023-0625】【第五期】：《时代》专访ChatGPT之父：人工智能影响经济还需要很多年

刘慈欣谈ChatGPT：人类的无能反而是人类最后的屏障AI时代已来，吴恩达呼吁向每个孩子教授人工智能知识【强烈推荐】OpenAIShyamal分享LLM创业前沿方向，我们所处的历史阶段，AI-IMPACT
linxid【智子纪元】·2023-07-14 01:29

2019-3-12晨间日记

晚上十点半任务清单昨日完成的任务，最重要的三件事：1.写字营拍摄前准备完成2.看英文小说3.往家打电话改进：1.多方打探看影响因素2.英文小说继续看3.看看爸爸的病怎么办习惯养成：跑步学英语周目标·完成进度写作0%Coursera0%
yesifeng·2023-07-13 20:43

吴恩达ChatGPT《Building Systems with the ChatGPT API》笔记

1.课程介绍使用ChatGPT搭建端到端的LLM系统本课程将演示使用ChatGPTAPI搭建一个端到端的客户服务辅助系统，其将多个调用链接到语言模型，根据前一个调用的输出来决定使用不同的指令，有时也可以从外部来源查找信息。课程链接：https://learn.deeplearning.ai/chatgpt-building-system/lesson/1/introduction2.LLM、Cha
datamonday·2023-06-23 08:21

吴恩达ChatGPT《Prompt Engineering》笔记

ChatGPT提示词工程师教程1.课程介绍1.1ChatGPT相关术语LLM：LargeLanguageModel，大语言模型InstructionTunedLLM：经过指令微调的大语言模型Prompt：提示词RLHF：ReinforcementLearningfromHumanFeedback，人类反馈强化学习ChatCompletion：Temperature：其范围是0到1，它用于控制模型响
datamonday·2023-06-22 16:51

饶了这么一大圈

吴恩达的视频仅能让我快速了解写程序，可能是我的水平不够。老师的PPT也还是算了吧。。网上的PPT也算了吧。。碰到的问题还是查英文论文或者中文论文吧，百度还是算了吧。。最后，我爱读书，读书使我快乐。
小星star·2023-06-22 08:40

机器学习比较好的视频资源

吴恩达，经典入门课程。[中英字幕]吴恩达机器学习系列课程_哔哩哔哩_bilibiliwww.bilibili.com/video/BV164411b7dx?
无敌三角猫·2023-06-20 11:46

【吴恩达老师《机器学习》】课后习题3之【逻辑回归解决多分类】与【神经网络】笔记(代码注释详细)

本次习题所用到的数据，#数据集：ex3data1.mat，参数：ex3weights.mat。在文章开头，下载即可！逻辑回归解决多分类问题二分类VS多分类在机器学习中，分类是一种监督学习任务，其中我们试图预测目标变量的离散值。二分类和多分类是分类问题中两种最常见的形式。二分类问题：二分类问题是指需要从两个互斥的类别中选择一个类别的问题。也就是说最终的数据的标签只有两个分类，非此即彼。例如将电子邮件
cx-young·2023-06-20 07:14

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

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

Coursera—Andrew Ng机器学习—课程笔记 Lecture 5 Octave Tutorial

5.1基本操作参考视频:5-1-BasicOperations(14控制输出格式的长短min).mkv5.1.1简单运算不等于符号的写法是这个波浪线加上等于符号(~=)，而不是等于感叹号加等号(!=)11==1%判断相等21~=2%判断不等31&&0%求逻辑与41||0%求逻辑或5xor(1,0)%求异或简化命令行PS1('>>');分号semicolon不打印结果>>a=3;%semicolon
上半场结束，中场已休息，下半场ing·2023-06-19 14:16

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

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

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

吴恩达大神最新开课就指出来了：ChatGPT不会反转单词！比如让它反转下lollipop这个词，输出是pilollol，完全混乱。哦豁，这确实有点大跌眼镜啊。
手把手教你学AI·2023-06-18 04:48

《AI for everyone》（1）：什么是AI

学习coursera在线课程《AIforeveryone》的笔记一、AI介绍弱人工智能ANI与强人工智能AGI图片发自App强人工智能也称为通用人工智能，它能做人类能力范围内的任何事情；而弱人工智能只能成为某一领域的专家
太空旅客007·2023-06-18 01:35

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
上一页 10 11 12 13 14 15 16 17 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他