斯坦福机器学习课程汇总

斯坦福机器学习课程汇总

前言

首先感谢吴恩达建立Coursera这样一个优秀的在线学习平台,以及他发布在这个平台上的机器学习课程。

这门课程将整个机器学习领域的基础知识,用浅显易懂的方式,深入浅出的进行了介绍。使得一个拥有高中数学知识的学生也能听得明白。

如果你想要涉足机器学习、人工智能领域,或者对这一领域有浓厚的兴趣想要深入了解,那么你会发现很多机器学习入门课程推荐的资料中,都有吴恩达老师的这一系列课程。甚至在大多数资料中,都把这门课放在了首选的位置上。

因此,我把吴恩达老师的课程整理成了MarkDown的格式,方便查阅学习。以下是具体章节的目录,其中每篇文章都有对应的视频连接地址:

目录

第一周

欢迎来到机器学习

监督学习

无监督学习

一元线性回归

参数学习-梯度下降算法

线性代数复习

第二周

编程环境设置-Octave:MATLAB

多元线性回归分析

参数的计算分析

Octave/Matlab 使用说明

第三周

分类和表达式

分类

假设函数表达式

决策边界

Logistic回归模型

逻辑回归的代价函数

简化代价函数以及梯度下降

高级优化

多类别分类问题:一对多

正则化:解决过拟合问题

解决过拟合问题

代价函数

正则化线性回归

第四周

神经网络引入

非线性假设

神经网络和大脑

神经网络

神经网络应用实例

第五周

训练神经网络

代价函数

反向传播(B-P)

反向传播算法的直观介绍

BP算法

神经网络实现自动驾驶

第六周

评价一个学习算法

如何少走弯路?

评估假设函数

多项式模型的选择以及训练集/验证集/测试集的划分

偏差VS方差

偏差VS方差

正则化和偏差/方差

学习曲线(Learning Curves)

重新审视决定下一步做什么

机器学习系统设计

构建垃圾邮件分类器

误差分析

操作偏斜数据

偏移类的错误度量

查准率和召回率练习

使用大数据集

第七周

大间距分类 SVM

)

核函数

使用SVM

第八周

聚类

PCA 降维

第九周

密度估计&异常检测

构建一个异常检测系统

多元高斯分布(选学)

预测电影评分

第十周

大数据集梯度下降

高级主题

第十一周

照片OCR

内容版权声明:除非注明,否则皆为本站原创文章。

转载注明出处:https://www.heiqu.com/zgwpxg.html