吴恩达：机器学习经典名课

 吴恩达机器学习经典课程将广泛介绍机器学习、数据挖掘和统计模式识别，并引用许多机器学习案例，让您学习智能机器人（感知和控制）、文本理解(网络搜索和垃圾邮件过滤)、机器学习应用于计算机视觉、医学信息学、音频、数据库挖掘等领域。

课程目录

章节1 机器学习的初步识别

欢迎参加机器学习课程.mp4

什么是机器学习？.mp4

03监督学习.mp4

04无监督学习.mp4

章节2 单变量线性回归

06模型描述.mp4

07代价函数.mp4

08代价函数(1).mp4

09成本函数(二).mp4

10梯度下降.mp4

11梯度下降知识点总结.mp4

12线性回归梯度下降.mp4

章节3 线性回归回顾

14矩阵和向量.mp4

15加法和标量乘法.mp4

16矩阵向量乘法.mp4

17矩阵乘法.mp4

18矩阵乘法特征.mp4

19逆和转置.mp4

章节4 配置

配置.txt

章节5 多变量线性回归

27多功能.mp4

28多梯度下降法.mp4

29多元梯度下降法演练I-特征缩放.mp4

30多元梯度下降法II-学习率.mp4

31特征和多项回归.mp4

32常规方程(不同于迭代方法的直接解法).mp4

在矩阵不可逆的情况下，33常规方程的解决方案.mp4

34完成并提交编程作业.mp4

章节6 Octave Matlab教程

35基本操作.mp4

36移动数据.mp4

37计算数据.mp4

38数据绘制.mp4

39控制语句：for,while,if语句.mp4

40矢量.mp4

章节7 Logistic回归

42分类.mp4

43假设陈述.mp4

44决策界限.mp4

45代价函数.mp4

46简化了成本函数和梯度下降.mp4

47高级优化.mp4

48多元分类:一对多.mp4

章节8 正则化

50过拟合问题.mp4

51代价函数.mp4

52线性回归正则化.mp4

正则化53Logistic回归.mp4

章节9 神经网络学习

54非线性假设.mp4

神经元和大脑55.mp4

56模型展示I.mp4

57模型显示II.mp4

I58例子和直觉理解.mp4

IIIIIII59例子的直觉理解.mp4

60多元分类.mp4

章节10 神经网络参数的反向传播算法

61代价函数.mp4

62反向传播算法.mp4

理解反向传播.mp4

64使用注意:扩展函数:.mp4

65梯度检测.mp4

66随机初始化.mp4

67组合到一起.mp4

68无人驾驶.mp4

章节11 应用机器学习的建议

69决定下一步该做什么 - 副本.mp4

69决定下一步该做什么.mp4

70评估假设 - 副本.mp4

70评估假设.mp4

71模型选择与训练、验证、个人测试集.mp4

72诊断偏差和方差.mp4

73正则化和偏差，方程.mp4

74学习曲线 - 副本.mp4

74学习曲线.mp4

章节12 设计机器学习系统

75决定接下来做什么.mp4

76确定执行的优先级.mp4

77误差分析.mp4

78不对称性分类误差评估.mp4

权衡79的准确性和召回率.mp4

80机器学习数据.mp4

章节13 支持向量机

81优化目标.mp4

82对大间隔的直观理解.mp4

83大间隔分类器的数学原理.mp4

84核函数.mp4

85核函数2.mp4

86使用SVM.mp4