吴恩达-Coursera

吴恩达《机器学习》笔记

吴恩达《机器学习》笔记这门课是斯坦福大学的吴恩达老师的一门关于《机器学习》的课程，在Coursera上可以搜到《MachineLearning》进行学习。下面是我在b站看完相应视频后的笔记总结。
肥胖边缘疯狂蹦迪·2022-12-06 12:54

干货丨深度迁移学习方法的基本思路（文末送书）

百度前首席科学家、斯坦福大学副教授吴恩达（AndrewNg）曾经说过：迁移学习将是继监督学习之后的下一个促使机器学习成功商业化的驱动力。
风度78·2022-12-06 12:19

吴恩达机器学习笔记之降维

第二类无监督学习问题，叫做降维（DimensionalityReduction）。方法有数据压缩和可视化。数据压缩：数据压缩不仅可以减少数据在我们计算机当中的存储空间，还可以加速我们算法的学习过程。如图所示，我们将三维数据压缩到二维数据。首先我们观察到数据差不多都分布在同一个平面上，因此我们将数据投影到一个二维平面，然后就将可以将三维数据压缩到二维数据。可视化：将高维数据降到低维，比如3维或者2维
iblue_coffee·2022-12-06 12:49

吴恩达机器学习课程笔记.pdf

个人认为：吴恩达老师的机器学习课程，是初学者入门机器学习的最好的课程！我们整理了笔记（336页），复现的Python代码等资源，文末提供下载。
风度78·2022-12-06 12:49

吴恩达机器学习课程笔记.docx

个人认为：吴恩达老师的机器学习课程，是初学者入门机器学习的最好的课程！我们整理了笔记（336页），复现的Python代码等资源，包括原版的docx文件，文末提供下载。
风度78·2022-12-06 12:49

【吴恩达机器学习笔记】十三、异常检测

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·2022-12-06 12:18

吴恩达机器学习笔记-无监督学习

机器学习-无监督学习一、什么是无监督学习二、聚类算法(无监督学习)1、聚类算法的应用2、K-Means算法算法流程--图例算法流程--文字描述K-means分离不佳簇问题K-means代价函数K-means的随机初始化如何选取聚类数量K代码实例(鸢尾花)三、PCA降维1.什么是降维2.主成分分析方法(principalcomponentsanalysis，PCA)文字方式描述PCAPCA过程(n维
快乐活在当下·2022-12-06 12:17

【吴恩达机器学习笔记】十二、降维

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·2022-12-06 12:43

机器学习——吴恩达章节（11-18）

11.执行训练时确定执行的优先级在训练集中设置出现频率较高的特征作为特征向量去识别或者分类优化算法的方法首先用简单粗暴的方法先确立一个能实现目的的算法然后根据交叉熵误差分析去评估模型观察分类不太正确的点的特征，设计更多的优化方式不对称分类的误差评估查准率P：预测为正，实际为正的概率召回率R：正例被准确预测的概率(查全率)两者的平衡如果我们想要比较确信为正例时才判定为正例，那么提高阈值，模型会对应高
荒野的雄狮·2022-12-06 11:11

深度学习的基础——笔记

本文内容根据网易云课堂吴恩达《深度学习工程师》整理课程的文字版内容参考：https://blog.csdn.net/yangshaojun1992/article/details/105151717学习内容摘要
YannAdams·2022-12-06 11:26

关于一维和二维卷积，以及1*1卷积核的理解

本文图片大部分来自吴恩达AndrewNg老师的深度学习课程。基础操作：最基本的卷积操作是把卷积核在输入中移动（扫一遍），获得输出。
YuQiao0303·2022-12-06 10:57

深度学习-吴恩达-笔记-6-优化算法

梯度下降法指数加权平均数理解指数加权平均数指数加权平均的偏差修正动量梯度下降法（GradientdescentwithMomentum）RMSpropAdam优化算法学习率衰减局部最优的问题【此为本人学习吴恩达的深度学习课程的笔记记录
Leon.ENV·2022-12-06 07:57

吴恩达新创Netail获500万美元融资~体量虽小，野心却大？

当研究型学者投入到产业界，还要自己AI创业说起吴恩达，你首先想到是他在谷歌用“GoogleBrain”训练认猫，还是曾在百度担任首席科学家？
AI科技大本营·2022-12-05 17:35

【吴恩达深度学习视频8.1~8.6】学习周报

残差网络为什么有用？通常来讲，一个网络越深，它在训练集上训练的效率就会有所减弱，但在训练ResNets网络时，并非完全如此。如果将深层网络的后面若干层学习成恒等映射，那么模型就退化成浅层网络。但是直接去学习这个恒等映射是很困难的，那么就换一种方式，把网络设计成：引入残差的映射对输出的变化更加敏感，比如输出由1.1变化到1.2时（假定输入x为1），残差结构的映射F(x)由0.1到0.2，增加了100
Bohemian_mc·2022-12-05 14:43

吴恩达机器学习作业Python实现(四)：神经网络(反向传播)

目录神经网络可视化数据模型表示前向传播展开参数数据编码转化代价函数初始化参数正则化代价函数反向传播Sigmoid的梯度函数随机初始化反向传播梯度检测正则化神经网络参数优化可视化隐含层参考文章神经网络上一次练习中，实现了前馈神经网络，并用于预测手写数字，在本练习中，我们将实现反向传播算法来学习神经网络的参数可视化数据这部分实现随机选取100个样本并可视化。训练集共有5000个训练样本，每个样本是20
Hyxx.·2022-12-05 13:23

专项一：深度学习与神经网络-第二周

2.逻辑回归基本与机器学习的逻辑回归类似，只是表达参数的方式不同：吴恩达机器学习-第三周神经网络中通常X特征的布置方式为n×mn\ti
Sansui_Meng·2022-12-05 13:49

【深度学习】吴恩达深度学习-Course2改善深层神经网络：超参数调试、正则化以及优化-第二周优化算法作业

视频链接：【中英字幕】吴恩达深度学习课程第二课—改善深层神经网络：超参数调试、正则化以及优化参考链接：【中英】【吴恩达课后测验】Course2-改善深层神经网络-第二周测验吴恩达deeplearning.ai
passer__jw767·2022-12-05 13:48

生产系统中的机器学习笔记（二）：选择、训练一个模型

这是我在学习DeepLearningAI上吴恩达老师的《生产系统中的机器学习》课程过程中的笔记。这一系列课程的质量很高，学习中受益匪浅。
Little-Tortoise·2022-12-05 11:49

吴恩达机器学习课后习题——kmeans

机器学习练习7-K-means实现K-means聚类，并使用它来压缩图像。我们将从一个简单的2D数据集开始，以了解K-means是如何工作的，然后我们将其应用于图像压缩。我们还将对主成分分析进行实验，并了解如何使用它来找到面部图像的低维表示。kmeans实施和应用K-means到一个简单的二维数据集，以获得一些直观的工作原理。K-means是一个迭代的，无监督的聚类算法，将类似的实例组合成簇。该算
一舟yz·2022-12-05 10:52

吴恩达深度学习之五《序列模型》学习笔记

一、循环序列模型1.1为什么选择序列模型如图所示是一些序列数据的例子1.2数学符号如图所示，我们用表示一个序列的第t个元素，t从1开始NLP中一个单词就是一个元素（又称时间步或时间戳）用表示序列的长度，或说元素个数比如就是第i个样本的特征序列的第t个元素，同理有再比如表示第i个样本特征序列的长度，同理有，如图所示的是如图所示，如何表示一个单词呢一个可行的方法是预先设置一个字典或者说词表对每一个单词
Umikaze_·2022-12-05 10:58

2020-11-16 吴恩达DL学习-C5 序列模型-W3 序列模型和注意力机制

1.视频网站：mooc慕课https://mooc.study.163.com/university/deeplearning_ai#/c2.详细笔记网站(中文)：http://www.ai-start.com/dl2017/3.github课件+作业+答案：https://github.com/stormstone/deeplearning.ai第三周序列模型和注意力机制Sequencetose
没人不认识我·2022-12-05 09:54

吴恩达深度学习课程学习笔记10

Seq2seq你可以把机器翻译想成是建立一个条件语言模型。下图中第一个模型是前两周所建立的模型，这个模型可以让你能够估计句子的可能性，这就是语言模型所做的事情，你可以用它来生成一个新的句子。而机器翻译模型就是下图中的第二个模型那样的，绿色部分表示encoder网络，紫色表示decoder网络，而decoder网络和上方的语言模型几乎一摸一样，机器翻译模型其实和语言模型非常相似，不同在于语言模型，总
weixin_38909710·2022-12-05 09:23

吴恩达《深度学习》第五门课（3）序列模型和注意力机制

3.1序列结构的各种序列（1）seq2seq：如机器翻译，从法文翻译成英文，将会是下面这样的结构，包括编码网络和解码网络。（2）imagetosequence：比如给一幅图像添加描述，如下图中的“一只猫站在椅子上”。同样包括编码网络和解码网络。3.2选择最可能的句子（1）机器翻译的本质就是一个条件语言模型，在给定输入的条件下输出最有可能的句子。（2）这里的条件语言模型与第一周讲的语言模型的区别在于
weixin_30781107·2022-12-05 09:53

吴恩达序列模型学习记录

作业区GRU里面的c和a是相等的，这和LSTM不一样LSTM这里使用的时a和x一起来计算门值（遗忘门，更新门，输出门）,注意使用的tanh和sigmoid注意到上面的这条红线，只要确定的设置了遗忘门和更新门，LSTM就可以很容易把c0传递到右边，这就是为什么GRU和LSTM可以实现才能长时间的记忆的原因什么时候用GRU什么时候用LSTM没有统一的准则，而且在历史上，LSTM也是更早的出现，GRU也
笑给我看·2022-12-05 09:21

Deep Learning | Andrew Ng (05-week3)—序列模型和注意力机制

【第5部分-序列模型-第三周】在吴恩达深度学习视频基础上，笔记总结，添加个人理解。
ZJ_Improve·2022-12-05 09:44

机器学习：使用matlab实现曲线线性回归拟合并绘制学习曲线

数据可视化吴恩达作业常规第一步，数据可视化，这里只可视化了训练集：%Loadfromex5data1:%YouwillhaveX,y,Xval,yval,X
ShadyPi·2022-12-05 09:07

吴恩达Coursera, 机器学习专项课程, Machine Learning：Unsupervised Learning, Recommenders, Reinforcement Learning第.

Practicequiz:Reinforcementlearningintroduction第1个问题：Youareusingreinforcementlearningtocontrolafourleggedrobot.Thepositionoftherobotwouldbeits_____.【正确】state第2个问题：YouarecontrollingaMarsrover.Youwillbev
ZhemgLee·2022-12-04 20:24

吴恩达Coursera, 机器学习专项课程, Machine Learning：Unsupervised Learning, Recommenders, Reinforcement Learning第.

吴恩达Coursera,机器学习专项课程,MachineLearning：UnsupervisedLearning,Recommenders,ReinforcementLearning第三周所有jupyternotebook
ZhemgLee·2022-12-04 20:24

【含课程pdf & 测验答案】吴恩达-机器学习公开课 学习笔记 Week8-1 Unsupervised Learning

吴恩达-机器学习公开课学习笔记Week8-1UnsupervisedLearning8-1UnsupervisedLearning课程内容8-1-1ClusteringUnsupervisedLearning
CodingRae·2022-12-04 20:20

吴恩达Coursera, 机器学习专项课程, Machine Learning：Unsupervised Learning, Recommenders, Reinforcement Learning第.

吴恩达Coursera,机器学习专项课程,MachineLearning：UnsupervisedLearning,Recommenders,ReinforcementLearning第二周所有jupyternotebook
ZhemgLee·2022-12-04 20:18

吴恩达机器学习课后lab C1_W1_Lab04_Gradient_Descent_Soln-checkpoint（梯度下降函数运行）

梯度下降函数代码块1代码块2代码块3（计算损失（代价函数））梯度下降函数代码块4代码块1importmath,copyimportnumpyasnpimportmatplotlib.pyplotaspltplt.style.use('./deeplearning.mplstyle')fromlab_utils_uniimportplt_house_x,plt_contour_wgrad,plt_d
天选之喵·2022-12-04 13:56

吴恩达机器学习课后lab C1_W2_Lab01_Python_Numpy_Vectorization_Soln（向量元组）

向量元组创建代码块1（创建）代码块2代码块3代码块4代码块5代码块6代码块7代码块8代码块9代码块10代码块11代码块12代码块13（矩阵的创建）代码块14代码块15代码块16总结代码块1（创建）a=np.zeros(4);print(f"np.zeros(4):a={a},ashape={a.shape},adatatype={a.dtype}")a=np.zeros((4,));print(f
天选之喵·2022-12-04 13:26

吴恩达机器学习课后 lab C1_W1_Lab03_Cost_function_Soln-checkpoint

C1_W1_Lab03_Cost_function_Soln-checkpoint（代价函数）代码块1代码块2代价函数代码块3代码块4（可视化代价函数）代码块5代码块6代码块7总结代码块1importnumpyasnp%matplotlibwidget#这个模块是matplotlib中的GUI模块，可以通过调整bottom来实时改变显示的结果importmatplotlib.pyplotasplt
天选之喵·2022-12-04 13:46

吴恩达卷积神经网络笔记,吴恩达人工智能公开课

吴恩达是个谁吴恩达（1976-，英文名：AndrewNg），华裔美国人，是斯坦福大学计算机科学系和电子工程系副教授，人工智能实验室主任。吴恩达是人工智能和机器学习领域国际上最权威的学者之一。
普通网友·2022-12-04 12:31

Coursera自动驾驶1.1-1.2——自动驾驶基础和软硬件架构

文章目录一、自动驾驶分类1.基本术语2.自动驾驶分级二、感知与决策基础1.感知2.决策三、硬件架构1.传感器介绍（1）相机（2）激光雷达（3）毫米波雷达（4）超声波雷达（5）GNSS/IMU（惯性测量单元）（6）计算硬件2.硬件配置设计四、软件架构1.环境感知2.环境地图（1）占用网格地图（2）定位地图（3）详细的路线图3.运动规划4.车辆控制5.系统监督自动驾驶汽车是一个极其丰富和跨学科的问题。
李明朔·2022-12-04 12:16

吴恩达机器学习笔记（十一）——支持向量机

1.优化目标首先从逻辑回归开始讲起，我们会先定义sigmoid函数然后我们根据sigmoid函数绘制出它的图像，如下图所示：基于上面的图像，我们可以得到下面的结论：如果y=1，那么我们期望得到hθ(x)≈1，即要使θTx>>0如果y=0，那么我们期望得到hθ(x)≈0，即要使θTx1时，代价函数是等于0的。从右图可以观察到，y=0时支持向量机的代价函数中，当z>-1时，是一条倾斜直线（斜率不重要）
XHHP·2022-12-04 11:59

吴恩达机器学习笔记——支持向量机

对应吴恩达机器学习网易云课程第13章的内容。在监督学习方面，与神经网络和逻辑回归相比，支持向量机在学习复杂的非线性方程时有很大的优势。
草莓甜Swag·2022-12-04 11:29

吴恩达机器学习笔记-支持向量机

优化目标之前的课程有学习过Logistic回归的假设函数：$$h_\theta(x)=\frac{1}{1+e^{-\theta^Tx}}$$其图像如下：从图像可以看出，如果$y=1$的话，那么我们希望$h_\theta(x)\approx1$，那么$\theta^Tx>>0$;如果$y=0$的话，那么我们希望$h_\theta(x)\approx0$，那么$\theta^Tx=1$(并不是仅仅大
weixin_34414650·2022-12-04 11:58

吴恩达机器学习入门笔记9-支持向量机

9支持向量机-SVM相比于神经网络，不用担心陷入局部最优问题，因为是凸优化9.1支持向量机的假设函数(9.1)hθ(x)={1,ifθTx≥00,otherh_{\theta}(x)=\left\{\begin{array}{ll}{1,}&{\text{if}\theta^{T}x\geq0}\\{0,}&{\text{other}}\end{array}\right.\tag{
杰斯洛兰德·2022-12-04 11:56

【吴恩达机器学习笔记】7支持向量机

12支持向量机（SupportVectorMachines）12.1优化目标（OptimizationObjective）与逻辑回归和神经网络相比，支持向量机SVM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。现在开始建立支持向量机，从代价函数开始，用一个新的代价函数来代替，即这条从0点开始的水平直线，然后是一条斜线，像上图。左边的函数称之为cos⁡t1(z){\cos}t_1{(z
贪钱算法还我头发·2022-12-04 11:52

【吴恩达机器学习笔记】十一、聚类

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·2022-12-04 11:48

【吴恩达机器学习笔记】十、支持向量机

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·2022-12-04 11:14

pytorch中resnet_用Pytorch手工实现ResNet50

《吴恩达深度学习课程》第四课第二周的作业是：使用Keras和Tensorflow编写ResNet50，用程序实现题目中描述的网络结构。
郭小闲·2022-12-04 09:46

pytorch resnet50_用Pytorch手工实现ResNet50

《吴恩达深度学习课程》第四课第二周的作业是：使用Keras和Tensorflow编写ResNet50，用程序实现题目中描述的网络结构。
weixin_39926613·2022-12-04 09:16

机器学习 网站大全--陆续更新中

1、neuralnetworksanddeeplearning.com2、deeplearningbook.org3、ufldl.Stanford.edu/tutorial/4、Coursera.org
lizz2276·2022-12-04 09:37

气象类Python编程实战案例项目汇总

气象可视化(1)Matplotlib绘图教程(2)Cartopy绘图教程(3)Metpy绘图教程(4)Basemap库教程(5)气象可视化案例4.机器学习系列教程(1)周志华《机器学习》西瓜书笔记(2)吴恩达
qazwsxpy·2022-12-04 08:58

吴恩达 深度学习 编程作业（5-3）Part 2 - Trigger word detection

吴恩达Coursera课程DeepLearning.ai编程作业系列，本文为《序列模型》部分的第三周“序列模型和注意力机制”的课程作业——第三部分：触发字检测。
大树先生的博客·2022-12-04 04:12

神经网络学习笔记1

*打工人的第三周学习目标和渠道*#神经网络算法的学习看斯坦福计算机视觉课程，看完相关笔记并完成作业看吴恩达的机器学习（还没开始看）某博主总结：https://yoyoyohamapi.gitbooks.io
vitalgirl·2022-12-03 13:58

自然语言处理（NLP）与词嵌入

很久以前看吴恩达老师的视频和西瓜书时用jupyter写的，今天想起来就把它转到这里，one-hot表达的不足：每个单词都是独立的、正交的，不能把同类单词的关系表示出来。
目睹闰土刺猹的瓜·2022-12-03 08:34

关于吴恩达机器学习C3_W2_Practice Lab 2需要pickle5的包的问题解决

主问题：吴恩达机器学习C3_W2_PracticeLab2需要pickle5的包新问题一：提示需要C++环境——尝试一：安装VisualStudioCode————结果：未解决——尝试二：通过VisualStuidoInstaller
鹿鸣里·2022-12-03 08:34
上一页 30 31 32 33 34 35 36 37 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他