吴恩达-机器学习经典名课

 【吴恩达】机器学习经典名课

教程介绍 本课程将广泛介绍机器学习、数据挖掘和统计模式识别等内容，同时还引用了许多机器学习案例，让你学会在智能机器人（感知和控制）、文本理解（网络搜索和垃圾邮件过滤）、计算机视觉、医学信息学、音频、数据库挖掘等领域应用机器学 课程目录：│  ├─章节1 初识机器学习│      01欢迎参加《机器学习》课程.mp4│      02什么是机器学习.mp4│      03监督学习.mp4│      04无监督学习.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│      63理解反向传播.mp4│      64使用注意：展开函数.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决定下一步做什么 - 副本.mp4│      69决定下一步做什么.mp4│      70评估假设 - 副本.mp4│      70评估假设.mp4│      71模型选择和训练、验证、测试集.mp4│      72诊断偏差与方差.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 机器学习系统设计│      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不对称性分类的误差评估.mp4│      79精确度和召回率的权衡.mp4│      80机器学习数据.mp4│      ├─章节13 支持向量机│      81优化目标.mp4│      82直观上对大间隔的理解.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│      ├─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（一）.mp4│      09代价函数（二）.mp4│      10梯度下降.mp4│      11梯度下降知识点总结.mp4│      12线性回归的梯度下降.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多元梯度下降法.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特征和多项式回归.mp4│      32正规方程（区别于迭代方法的直接解法）.mp4│      33正规方程在矩阵不可逆情况下的解决方法.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简化代价函数与梯度下降.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线性回归的正则化.mp4│      53Logistic回归的正则化.mp4│      └─章节9 神经网络学习        54非线性假设.mp4        55神经元与大脑.mp4        56模型展示I.mp4        57模型展示II.mp4        58例子与直觉理解I.mp4        59例子与直觉理解II.mp4        60多元分类.mp4