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。

第一门课《神经网络与深度学习》（NeuralNetworksandDeepLearning）的4周课程笔记请见如下链接：1-1Coursera吴恩达《神经网络与深度学习》第一周课程笔记-深度学习概论1-

不同于此前的LandingAI、Deeplearning.ai和Coursera分别聚焦于制造业和教育培训，这次吴恩达选择了做零售。在网络购物兴起的背景下，许多实体零售商纷纷向线上转型。

ML:LargeScaleMachineLearning本节内容：适用于大规模数据的梯度下降方法及如何确保算法收敛机器学习概念：批量梯度下降(BatchGradientDescent)随机梯度下降(StochasticGradientDescent)小批量梯度下降(Mini-batchGradientDescent)1.GradientDescent1.1Methods以线性回归为例：批量梯度下降

课程链接https://www.coursera.org/learn/machine-learning参考文章https://www.cnblogs.com/maxiaodoubao/p/10222170

他是百度的前副总裁兼首席科学家，最受欢迎的机器学习在线课程之一的创建者，coursera.com的联合创始人和谷歌大脑的前任负责人。在百度，他曾将人工智能团队扩展到数千人。

1.写在前面吴恩达机器学习的课后作业及数据可以在coursera平台上进行下载，只要注册一下就可以添加课程了。所以这里就不写题目和数据了，有需要的小伙伴自行去下载就可以了。

很多函数或者内部的一些计算其实没用，但是因为是对应matlab上的作业，所以有的部分会显得多余不过对于图像的呈现就略过了，个人认为还是先熟悉算法为主，这样进度也快点task1多分类importnumpyasnpimportpandasaspd#importmatplotlib.pyplotasplt不画图也就用不到了#importmatplotlibfromscipy.ioimportloadma

8道编程作业及解析见：Coursera吴恩达机器学习编程作业编程环境：JupyterNotebookProgrammingExercise3：Multi-classClassificationandNeuralNetwork

图模型或者概率图模型（ProbabilisticGraphicalModel）,是每个机器学习领域数据科学家的必备工具.今天的终极入门我们讲解斯坦福教授DaphneKoller概率图模型在coursera

AndrewNg'sCourseraCourse:NeuralNetworksandDeepLearning课程1：神经网络和深度学习第一周：介绍第二周：神经网络编程基础第三周：浅层神经网络第四周：深层神经网络课程

CostFunction)三、线性回归的正则化(RegularizedLinearRegression)四、Logistic回归的正则化(RegularizedLogisticRegression)本文章是笔者根据Coursera

Lecture16RecommenderSystems推荐系统16.1问题形式化ProblemFormulation在机器学习领域，对于一些问题存在一些算法，能试图自动地替你学习到一组优良的特征。通过推荐系统(recommendersystems)，将领略一小部分特征学习的思想。假使有5部电影，3部爱情片、2部动作片。4个用户为其中的部分电影打了分。现在希望构建一个算法，预测每个人可能给没看过的电

课程链接：https://www.coursera.org/learn/machine-learning参考文章：https://www.cnblogs.com/maxiaodoubao/p/10220632

大数据文摘经授权转载作者：黄海广自2016年8月份，吴恩达的初创公司deeplearning.ai通过Coursera提供深度学习的最新在线课程，到今年2月份，吴老师更新了课程的第五部分（点击查看大数据文摘相关报道

2014年吴恩达在Coursera开了机器学习课，2015年周志华老师出了西瓜书，而2017年李彦宏把无人驾驶车开上了五环，AlphaGo打遍天下无敌手，波士顿动力机器人学会了后空翻，人

2014年吴恩达在Coursera开了机器学习课，2015年周志华老师出了西瓜书，而2017年李彦宏把无人驾驶车开上了五环，

此系列为Coursera网站机器学习课程个人学习笔记（仅供参考）课程网址：https://www.coursera.org/learn/machine-learning参考资料：http://blog.csdn.net

koala_tree知乎：https://www.zhihu.com/people/dashuxianshengGitHub：https://github.com/KoalaTree2017年10月23日以下为在Coursera

课程内容：Coursera：官方课程安排（英文字幕）。付费用户在课程作业中可以获得作业评分，每门课程修完可获得结课证书；不付费可以免费上课、做课后作业，但没有作业评分，结课无法获得课程证书。

在19年我也在coursera（链接在此）上修习这门课程并领取了证书，前两个星期又去翻看了之前的笔记和黄海广博士翻译整理的笔记，重新根据自己的理解和关注的知识整理了一版简洁版笔记，方便以后快速回顾。

机器之心作者：蛋酱Coursera刚刚上新了GAN的专项课程，或许在这个国庆假期，你应该学习一波了。

神经网络是一种受大脑工作原理启发的模式。它在许多应用中广泛使用：当您的手机解释并理解您的语音命令时，很可能是神经网络正在帮助理解您的语音;当您兑现支票时，自动读取数字的机器也使用神经网络。8.1非线性假设Non-linearClassification参考视频:8-1-Non-linearHypotheses(10min).mkv线性回归和逻辑回归的缺点：当输入数据特征过多，计算负荷大。计算机视觉

文章目录NeuralNetworks:RepresentationMotivationsNon-linearHypotheses非线性假设(函数)NeuronsandtheBrain神经元和大脑NeuralNetworksModelRepresentationI模型表示IModelRepresentationIIApplicationsExamplesandIntuitionsI例子和直观感觉IE

文章目录一、Introduction二、LinearRegressionwithOneVariable三、LinearAlgebra注：每个人的题目和选项并不完全一样，但大部分题目的大致意思相同。一、Introduction1.AcomputerprogramissaidtolearnfromexperienceEwithrespecttosometaskTandsomeperformanceme

Practicequiz:NeuralNetworkTraining第1个问题：Hereissomecodethatyousawinthelecture:​​model.compile(loss=BinaryCrossentropy())Forwhichtypeoftaskwouldyouusethebinarycrossentropylossfunction?Aclassificationtas

Decisiontrees第1个问题：Basedonthedecisiontreeshowninthelecture,ifananimalhasfloppyears,aroundfaceshapeandhaswhiskers,doesthemodelpredictthatit'sacatornotacat?【正确】catNotacat【解释】Correct.Ifyoufollowthefloppy

Practicequiz:Adviceforapplyingmachinelearning第1个问题：Inthecontextofmachinelearning,whatisadiagnostic?【正确】Atestthatyouruntogaininsightintowhatis/isn’tworkingwithalearningalgorithm.Anapplicationofmachinel

DeepLearningSpecialization吴恩达老师最近在coursera上联合deeplearning.ai推出了有关深度学习的一系列课程，相对于之前的machinelearning课程，这次的课程更加实用

文章目录1.Mini-batchgradientdescent2.Understandingmini-batchgradientdescent3.Exponentiallyweightedaverages4.Understandingexponetiallyweightedaverages5.Biascorrectioninexponentiallyweightedaverage6.Gradien

Introductiontodeeplearning红的色是答案1.Whatdoestheanalogy“AIisthenewelectricity”referto?A.AIispoweringpersonaldevicesinourhomesandoffices,similartoelectricity.B.Throughthe“smartgrid”,AIisdeliveringanewwave

查看别人的见解违法coursera的荣誉准则，里面的测试题都是一些基本概念，看懂和做对是两码事，英文还是多看看吧，Whatdoestheanalogy"Alisthenewelectricity"referto

接触到这个文件格式也是因为上Coursera深度学习课程的时候，作业用到了。它是由美国超级计算与应用中心研发的文件格式，用以存储和组织大规模数据。目前由非营利组织

本篇文章将分享Coursera上AndrewNg的MachineLearning第二周的课程，主要内容有如下，详细内容可以参考文末附件：设置作业环境多变量线性回归参数的解析算法Octave简介设置作业环境因为本课程涉及到在

Notes-CourseraMachineLearningbyAndrewNG-Week1Week1-2014/03/07-hphp欢迎赐教、讨论、转载，转载请注明原文地址~MachineLearningIntroductionGeneralSpeaking-lecture1,2ManyApplicationAmazaon

andmostthatstartofftheirjourneyaspiretobecomeadatascientist.Apparentlythesexiestjobofthecentury.ThefirstthingtheydoisaCourseracourseandthe

NoteThispersonalnoteiswrittenafterstudyingthecourseraopeningcourse,MachineLearningbyAndrewNG.Andimages

Lecture3LinearAlgebraReview线性代数回顾3.1矩阵和向量3.2加法和标量乘法3.3矩阵向量乘法3.4矩阵乘法3.5矩阵乘法的性质3.6逆、转置3.1矩阵和向量参考视频:3-1-MatricesandVectors(9min).mkv3.2加法和标量乘法参考视频:3-2-AdditionandScalarMultiplication(7min).mkv3.3矩阵向量乘法参考

Cousera斯坦福机器学习公开课网址：https://class.coursera.org/ml本课的笔记之一：线性代数的学习及相关资源本课的课件资料：PPTPDF1)矩阵和向量(MatricesandVectors

来源：Coursera吴恩达深度学习课程在这篇文章Inception网络模块（InceptionNetworkModule）中已经介绍了Inception网络组成模块的基本原理。

自学JAVA的十大网站你不知道哪个呢目录1.HOW2J.cn2.DZone3.LeetCode4.JavaSE技术文档5.Github6.Coursera7.JavaWorld8.DevStore9.Wikipedia

机器学习之逻辑回归中正则化的正则参数1、数据背景我们的数据来源为《吴恩达机器学期——第二周》相关数据集可在coursera当中获取下载，其课程来源为StanfordUniversity，本篇文章中我们不会过多讲解手撸的回归算法

gitclonehttps://github.com/fengdu78/Coursera-ML-AndrewNg-Notes.gitCloninginto'Coursera-ML-AndrewNg-Notes

第一门课《神经网络与深度学习》（NeuralNetworksandDeepLearning）的4周课程笔记请见如下链接：1-1Coursera吴恩达《神经网络与深度学习》第一周课程笔记-深度学习概论1-

Coursera吴恩达教授深度学习第五课（序列模型）第四周编程作业，发出来完整代码供大家参考学习，不足之处请各位大佬多多指正。

吴恩达Coursera课程DeepLearning.ai编程作业系列，本文为《卷积神经网络》部分的第三周“目标检测”的课程作业。

文章目录1.BinaryClassification2.LogisticRegression3.LogisticRegressionCostFunction4.GradientDescent5.Derivatives6.MoreDerivativeExamples7.Computationgraph8.DerivativeswithaComputationGraph9.LogisticRegres

COURSERA-MachineLearningbyAndrewNGHerearemyon-goingstudynotesfor“MachineLearningbyAndrewNG”onCoursera.Ididn

Week7支持向量机,SVM1.支持向量机(SVM,SupportVectorMachine)的数学表达1.1从逻辑回归过渡到SVM1.2SVM的损失函数1.3SVM的预测值2.SVM的理解3.SVM的推导3.1吴恩达课程的思路3.2更数学的SVM推导思路4.核函数(kernels)4.1定义4.2地标的作用是什么？4.3地标(Landmark)怎么选择？4.4核函数种类(拓展)5.SVM的应用5

【深度学习基础】系列博客为学习Coursera上吴恩达深度学习课程所做的课程笔记。本文为原创文章，未经本人允许，禁止转载。转载请注明出处。