吴恩达-Coursera

吴恩达机器学习笔记（1）

1.监督学习的过程将监督学习的数据集分为自变量（x）和因变量（y）。有监督学习算法的任务是，生成一个函数，将预测时需要用到的x输入进去，能输出相应的结果。2.代价函数以回归算法为例，设假设函数为hθ(x)=θ0+θ1∗xh_\theta(x)=\theta_0+\theta_1*xhθ(x)=θ0+θ1∗x,代价函数（costfunction）为J(θ0,θ1)=12m∑i=1m(hθ(x(i))
_晴·2022-12-10 19:58

AIIC学习日记-CNN篇

文章目录AI吴恩达（DL部分）记录一下，2019-11-x初识CNN记录一下，2020-1-x激活函数ReLu记录一下，2020-2-1神经网络有关名词记录一下，2020-2-10大体结构和历史记录一下
木兮梓淅伏所伊·2022-12-10 17:14

【吴恩达deeplearning.ai】Course 5 - 1.6 语言模型和序列生成

语言模型和序列生成(LanguageModelandSequenceGeneration)在自然语言处理中，构建语言模型是最基础的也是最重要的工作之一，并且能用RNN很好地实现。在本视频中，你将学习用RNN构建一个语言模型，在本周结束的时候，还会有一个很有趣的编程练习，你能在练习中构建一个语言模型，并用它来生成莎士比亚文风的文本或其他类型文本。所以什么是语言模型呢？比如你在做一个语音识别系统，你听
why do not·2022-12-10 14:17

吴恩达机器学习笔记-01

2022/6/2~2022/6/15文章目录一、单变量线性回归1.1模型表示1.2代价函数1.3梯度下降1.4梯度下降的线性回归二、多变量线性回归2.1多维特征2.2多变量梯度下降2.3梯度下降法实践1-特征缩放2.4梯度下降法实践2-学习率2.5特征和多项式回归2.6正规方程三、逻辑回归(LogisticRegression)3.1分类问题3.2假说表示3.3判定边界3.4代价函数3.5简化的代
Iron Bo·2022-12-10 14:09

吴恩达机器学习系列课程笔记——第十八章：应用实例：图片文字识别(Application Example: Photo OCR)

18.1问题描述和流程图https://www.bilibili.com/video/BV164411b7dx?p=108图像文字识别应用所作的事是，从一张给定的图片中识别文字。这比从一份扫描文档中识别文字要复杂的多。为了完成这样的工作，需要采取如下步骤：文字侦测（Textdetection）——将图片上的文字与其他环境对象分离开来字符切分（Charactersegmentation）——将文字分
Lishier99·2022-12-10 13:38

吴恩达机器学习----应用实例：图片文字识别

吴恩达机器学习教程学习笔记（16/16）吴恩达教授（AndrewNg）的机器学习可以说是一门非常重视ML理论基础的课程，做做一些简单的笔记加上个人的理解。
huapusi·2022-12-10 13:08

吴恩达机器学习笔记（十八）——机器图片识别(应用实例)

第十八章应用实例：图片文字识别(ApplicationExample:PhotoOCR)1、问题描述和流程图图像文字识别应用所作的事是，从一张给定的图片中识别文字。这比从一份扫描文档中识别文字要复杂的多。为了完成这样的工作，需要采取如下步骤：1.文字侦测（Textdetection）——将图片上的文字与其他环境对象分离开来2.字符切分（Charactersegmentation）——将文字分割成一
大鹏小站·2022-12-10 13:35

【吴恩达机器学习笔记】十七、总结

spm=1011.2415.3001.5343专栏定位：为学习吴恩达机器学习视频的同学提供的随堂笔记。专栏简介：在这个专栏，我将整理吴恩达机器学习视频的所有内容的笔记，方便大家参考学习。
Pandaconda·2022-12-10 13:04

吴恩达机器学习笔记week18——应用实例：Photo OCR

吴恩达机器学习笔记week18——应用实例：PhotoOCR18-1.问题描述与.OCR.pipelineProblemdescriptionandOCRpipeline18-2.滑动窗口Slidingwindows18
Saulty·2022-12-10 13:04

【吴恩达机器学习笔记】十六、应用实例：图片文字识别

spm=1011.2415.3001.5343专栏定位：为学习吴恩达机器学习视频的同学提供的随堂笔记。专栏简介：在这个专栏，我将整理吴恩达机器学习视频的所有内容的笔记，方便大家参考学习。
Pandaconda·2022-12-10 13:02

吴恩达《机器学习》笔记——第四章《多元线性回归》

4、LinearRegressionwithmultiplevariables（多元线性回归）4.1Multiplefeatures/variables（多特征/变量）4.2Gradientdescentformultiplevariables（多元梯度下降法）4.3GradientdescentinpracticeI：FeatureScaling（多元梯度下降法演练1：特征缩放）4.4Gradi
肥胖边缘疯狂蹦迪·2022-12-10 13:39

吴恩达机器学习学习笔记——Week 2——多元线性回归（Multivariate Linear Regression）

一、课件及课堂练习1.多个特征值（多变量）课堂练习：2.多元梯度下降课堂练习：3.梯度下降实践1——特征值缩放（均值归一化）课堂练习：4.梯度下降实践2——学习率课堂练习：5.特征数量及多项式回归课堂练习：6.标准方程课堂练习：7.标准方程法可能遇到不可逆问题二、内容概要1.多个特征值2.多元梯度下降3.梯度下降实践1——特征值缩放4.梯度下降实践2——学习率5.特征数量及多项式回归6.标准方程7
预见未来to50·2022-12-10 13:07

吴恩达机器学习笔记（3）——多变量线性回归（Multivariate Linear Regression）

一、多元线性回归的假设形式多元线性回归的假设可表示为：另外，我们定义一个额外的第0个特征向量x0=1，并将特征向量和参数都表示为矩阵形式，则方程变为：二、多元梯度下降法多元线性回归的代价函数为：其中，x(i)j=第i个训练样例中第j个特征量的值。PS：一些实用技巧（通过预处理，让初始的特征量具有同等的地位，才能让机器学习算法更快地学习得到它们的权重θ，这个预处理的过程我们称之为数据标准化（Norm
阿尔基亚·2022-12-10 13:35

学习如何学习Learning How To Learn（Coursera网课笔记）

第一周Intro大脑的两种不同思考模式——专注和发散。他们能用完全不同的方式帮助学习（大脑在同一时间只能存在一种模式）集中时大脑是专注状态，放松时大脑是发散状态。学习困难的事物需要时间，大脑需要在处理和消化新事物时，转变它的学习方式（专注和发散）拖延症（初步）用番茄钟限定自己在规定的时间内集中注意力学习每个周期结束后，休息一下，可以吃点零食，聊会儿天，但是最好不要超过5mins。记忆（初步）记忆新
Sheeran02·2022-12-10 10:32

【吴恩达机器学习】线性回归习题

一、单变量线性回归在单变量线性回归这一部分中，我们将使用一个变量实现线性回归，以预测食品卡车的利润。假设你是一家餐饮连锁店的老板，并且正在考虑在不同的城市开设新的门店。该连锁店已经在各个城市开了新的分店，并且你有这些城市的利润和人口数据。你想使用此数据来帮助你选择要扩展到的下一个城市。文件ex1data1.txt包含我们线性回归问题的数据集。第一列是城市的人口，第二列是该城市的餐车的利润，利润的负
腾叔·2022-12-10 08:38

python小白学习笔记（1） pandas入门

基于《利用Python进行数据分析》和coursera上来自密歇根大学的AppliedDataSciencewithPython网课Pandas介绍有两个常用数据结构：Series和DataFrame1Series
Hugorice·2022-12-10 07:22

李宏毅机器学习笔记5：CNN卷积神经网络

李宏毅老师的机器学习课程和吴恩达老师的机器学习课程都是都是ML和DL非常好的入门资料，在YouTube、网易云课堂、B站都能观看到相应的课程视频，接下来这一系列的博客我都将记录老师上课的笔记以及自己对这些知识内容的理解与补充
weixin_34066347·2022-12-10 06:26

[Machinie Learning] 吴恩达机器学习课程笔记——Week1

MachineLearningbyAndrewNg吴恩达机器学习课程学习笔记——Week1学习提纲IntroductionModelandCostFunctionParameterLearningLinearAlgebraReviewIntroductionMachineLearningDefinition
Carsick Car·2022-12-10 01:27

[Machinie Learning] 机器学习课程笔记合订本（更新中）

MachineLearning吴恩达机器学习课程笔记吴恩达机器学习系列吴恩达ML课程笔记——Week1未完待续，持续更新ing…
Carsick Car·2022-12-10 01:57

程序员如何开启机器学习之路？我也遇到过这个问题

为了更快熟悉这里边的门道，我阅读了机器学习的书籍，浏览了不少帖子，还学习了Coursera上关于机器学习的课程。但是，但是，依然不知道如何开始…...你是否也有这样的经历呢？
weixin_34409357·2022-12-09 17:51

保姆级教程吴恩达机器学习ex1Matlab代码解析

%%MachinelearningFromAndrewwithMatlabex1%%Byyouknowwho3_3inCSDN#GirlsHelpGirls#DOUBANEZU%1.GradientDescenttogetmintheta%2.CostFucntiontogetbestCostfunctionJwithmintheta%3.PlottheLinearregressionbythem
youknowwho3_3·2022-12-09 15:54

吴恩达机器学习ex1

吴恩达机器学习ex11单变量线性回归1.1数据准备1.2损失函数的定义1.3梯度下降函数1.4可视化损失函数1.5拟合函数可视化2多变量线性回归2.1读取文件2.2特征归一化2.3构造数据集2.4损失函数的定义
每个人都是孙笑川·2022-12-09 15:49

【NLP】用BERT进行机器阅读理解

https://www.coursera.org/specializations/deep-lear
风度78·2022-12-09 15:45

吴恩达机器学习ex6任务1代码

importpandasaspdimportnumpyasnpfromscipy.ioimportloadmatimportmatplotlib.pyplotaspltfromsklearn.svmimportSVC'''===================================函数部分==================================''''''数据分类'''def
Maturisa·2022-12-09 15:42

吴恩达卷积神经网络章节笔记（二）——经典网络

吴恩达卷积神经网络章节笔记（二）——经典网络1.经典网络(ClassicNetworks)1.1LeNet-51.2AlexNet1.3VGG-161.4GoogLeNet1.4.1GoogLeNet的特点
奔跑的chanchanchan·2022-12-09 12:27

吴恩达机器学习1——单变量线性回归、梯度下降

目录吴恩达机器学习第一周一、什么是机器学习？
old sweet ᝰ·2022-12-09 12:37

吴恩达老师深度学习专项学习笔记

文章目录（一）神经网络与深度学习一、概论二、神经网络基础三、浅层神经网络四、深层神经网络（二）改善深层神经网络一、深度学习的实用层面二、优化算法：三、超参数调试（三）机构化机器学习项目一、ML策略（一）二、ML策略（二）（一）神经网络与深度学习一、概论神经网络：神经元：◯表示非线性函数神经网络：像乐高积木一样堆叠神经元用神经网络进行监督学习（目前神经网络的落地方向比较成熟）结构化数据（海量数据，广
dayday up·2022-12-09 12:05

pytorch基础（六）：torch.nn.Softmax和torch.nn.CrossEntropyLoss

另外，本博客中的有些内容基于吴恩达老师深度学习课程，我会尽量说明一下，但不敢保证全面。一、问题描述  吴恩达
麻衣带我去上学·2022-12-09 11:20

【吴恩达deeplearning.ai】Course 5 - 1.4 循环神经网络中通过时间的反向传播

通过时间的反向传播(Backpropagationthroughtime)之前我们已经学过了循环神经网络的基础结构，在本节视频中我们将来了解反向传播是怎样在循环神经网络中运行的。和之前一样，当你在编程框架中实现循环神经网络时，编程框架通常会自动处理反向传播。但我认为，在循环神经网络中，对反向传播的运行有一个粗略的认识还是非常有用的，让我们来一探究竟。在之前你已经见过对于前向传播（上图蓝色箭头所指方
why do not·2022-12-09 10:10

2022吴恩达机器学习课程学习笔记（第二课第三周）

2022吴恩达机器学习课程学习笔记（第二课第三周）决定接下来该做什么模型评估模型选择和训练/交叉验证/测试集通过偏差和方差进行诊断正则化和偏差/方差制定一个用于性能评估的基准学习曲线（修订）决定下一步做什么偏差
Ys能保研·2022-12-09 10:21

深度学习笔记(13.numpy实现LSTM)

程序地址：https://github.com/ConstellationBJUT/Coursera-DL-St
迷茫猿小明·2022-12-09 07:07

吴恩达机器学习python实现2 Logistic回归

Logistic回归0、读取数据defread_dataset(filename,type_tuple,separator=','):withopen(filename)asf:lines=f.readlines()data=[]forlineinlines:line=line[:-1]line=line.split(sep=separator)row=[]foriinrange(len(line
Scarlett1007·2022-12-09 04:24

线性回归 linear regression

他的误差计算公式为那么就是想最小化err(y⏞,y).我们用矩阵的计算方法，其实可以直接求得觉得这个推导，吴恩达老师的cs229讲的比林轩田老师讲的好，吴恩达来说用的是矩阵迹的方法trace()。
丁磊_Ml·2022-12-09 04:09

吴恩达机器学习笔记2——logistic回归3

整体代价函数J(θ)单个样本的代价Cost(h(x),y)，为了使之不要分类写，可以写成上图中下面这一行式子不要忘记logistic回归的h(x)=p(y=1|x,θ),在给定x和θ的前提下，分类为1的概率。如h（x）=0.7，分类为1的概率是70%。梯度下降来最小化代价函数发现用梯度下降算法时，算出来的θ更新的式子貌似和线性回归时一样。但其实由于h（x）不同，所以他们并不相同！
babychrislee3·2022-12-09 02:13

吴恩达机器学习笔记2——logistic回归5

使用logistic回归解决多类别分类问题进行三次分类那么当出现新的需要去分类的数据时，去拟合这三个h（x），选择那个计算出来最高的值的类别，就是这个数据所属的类别。
babychrislee3·2022-12-09 02:13

吴恩达机器学习笔记2——logistic回归2

1.代价函数解释：在输出的预测值是h(x)，实际标签是y的情况下，我们希望学习算法付出的代价。然而，这个代价函数在线性回归里可以，很好用。但是在logistic回归中，就并不适用，会出现一些问题。实际上，用这个代价函数的话，会变成关于θ的非凸函数。因为h(x)本身就是非线性，再去平方加和，更是非线性，就可能会使得代价函数的图形变为下图左边这种图用梯度下降算法的话，可能会找到好多局部最优，但并不一定
babychrislee3·2022-12-09 02:43

吴恩达机器学习课程笔记

吴恩达机器学习几乎每一个和我讨论过的人都同意，人生的最糟糕时期是在11岁到14岁。
大圣齐天Henry-Speed always wins·2022-12-08 19:34

【吴恩达机器学习笔记】十五、大规模机器学习

spm=1011.2415.3001.5343专栏定位：为学习吴恩达机器学习视频的同学提供的随堂笔记。专栏简介：在这个专栏，我将整理吴恩达机器学习视频的所有内容的笔记，方便大家参考学习。
Pandaconda·2022-12-08 17:51

【吴恩达机器学习笔记】十四、推荐系统

spm=1011.2415.3001.5343专栏定位：为学习吴恩达机器学习视频的同学提供的随堂笔记。专栏简介：在这个专栏，我将整理吴恩达机器学习视频的所有内容的笔记，方便大家参考学习。
Pandaconda·2022-12-08 17:49

One-Shot学习/一次学习（One-shot learning）

来源：Coursera吴恩达深度学习课程人脸识别所面临的一个挑战就是需要解决一次学习问题（one-shotlearningproblem），这意味着在大多数人脸识别应用中，你需要通过单单一张图片或者单单一个人脸样例就能去识别这个人
双木的木·2022-12-08 13:06

tf.image.non_max_suppression()

在吴恩达老师深度学习yolo算法实现自动驾驶的编程题中出现了这个函数，这个函数的功能是在检测算法中我们的一个目标被检测了多次，如何排除掉多余的边界框。
weixin_45752264·2022-12-08 12:23

【CV】吴恩达机器学习课程笔记 | 第1-15章

目录1介绍1-3监督学习1-4无监督学习2单变量线性回归2-2代价函数2-5Batch梯度下降算法4多变量线性回归4-1多特征4-2多元梯度下降法4-3多元梯度下降法I——特征缩放缩放归一化4-4多元梯度下降法演练I——学习率α4-5特征和多项式回归4-6正规方程（NormalEquation）（区别于迭代方法的直接解法）6逻辑回归6-1逻辑分类算法6-2假设表示6-3决策边界6-4代价函数6-4
Fannnnf·2022-12-08 12:21

吴恩达《深度学习专项》笔记（十一）: CNN示例学习：VGG, ResNet, MobileNet

学习提示上周，我们学完了CNN的基础组成模块。而从这周开始，我们要换一种学习方式：我们会认识一些经典的CNN架构，从示例中学习。一方面来说，通过了解他人的网络，阅读他人的代码，我们能够更快地掌握如何整合CNN的基础模块；另一方面，CNN架构往往泛化能力较强，学会了其他任务中成熟的架构，可以把这些架构直接用到我们自己的任务中。接下来，我们会按照CNN的发展历史，认识许多CNN架构。首先是经典网络：L
大局观选手周弈帆·2022-12-08 09:23

Exercise 7：K均值聚类和主成分分析（Coursera-吴恩达Machine Learning编程作业）

1K-meansClustering1.1ImplementingK-meansK均值聚类算法程序的主体：%Initializecentroids%中心点初始化centroids=kMeansInitCentroids(X,K);foriter=1:iterations%Clusterassignmentstep:Assigneachdatapointtothe%closestcentroid.i
鸡米花甜辣酱·2022-12-08 09:16

吴恩达《卷积神经网络》02——经典卷积网络

文章目录一、LeNet-5二、AlexNet三、VGG-16四、ResNets1.WhyResNetsWork五、InceptionNetwork1.1x1Convolutions2.InceptionNetworkMotivation3.计算成本问题4.InceptionNetwork六、其他1.使用开源的实现方案2.迁移学习（TransferLearning）3.数据增强（DataAugmen
美式咖啡不加糖x·2022-12-08 02:11

吴恩达AI FOR Everyone|人工智能入门笔记|

文章目录AIWhatisAI?MachineLearningSupervisedLearningDataAcquiringdataUseandmisuseofdataDataismessyTerminologyformAIMachinelearningDatascienceDeepleaningAIhasmanytoolsWhatmakeanAIcompaanyAITransformationWh
老码人·2022-12-08 01:45

深度学习入门

理论方面机器学习视频，吴恩达斯坦福coursera机器学习课程深度学习书籍，书名《深度学习》，因为封面是使用深度学习生成的花的图片，所以江湖人称“花书”，此书可谓深度学习的圣经，AI的葵花宝典。
西红柿爱吃小番茄·2022-12-08 01:12

机器学习入门之PCA与ICA

PCA什么是降维PCA(PrincipalComponentAnalysis)算法流程独立成分分析ICA问题引入算法基于最大似然估计ICA的经典假设与不确定性经典假设不确定性ICA无法确定的因素小结本文为吴恩达机器学习课程的笔记系列第六篇
小菜羊~·2022-12-08 01:30

Deep Reinforcement Learning

题目是CS294-112DeepReinforcementLearningHW2：PolicyGradientsWin10+Anaconda3+Python3.6零基础目前用一个礼拜看了吴恩达的机器学习课程
马里奥奥利奥·2022-12-08 00:04

pytorch基础（一）：tensor张量和自动微分

一、pytorch入门1.什么是tensor张量  在吴恩达老师深度学习视频中，第一章和第二章的课后作业我
麻衣带我去上学·2022-12-07 19:39
上一页 28 29 30 31 32 33 34 35 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他