Skip to content

吴恩达机器学习coursera课程,学习代码(2017年秋) The Stanford Coursera course on MachineLearning with Andrew Ng

License

Notifications You must be signed in to change notification settings

HuangCongQing/MachineLearning_Ng

Repository files navigation

MeachineLearning_NG

吴恩达机器学习coursera课程

欢迎大家'star',学习交流

Fork或借鉴请注明出处 @ChungKing . Th

  • 学习机器学习,《西瓜书》讲得最系统,对于里面的推导过程有些不详细,,已经有一些热心的小伙伴开源了《南瓜书》,大家可以多看看

课程地址:https://www.coursera.org/course/ml

Machine Learning(机器学习)是研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演译。在过去的十年中,机器学习帮助我们自动驾驶汽车,有效的语音识别,有效的网络搜索,并极大地提高了人类基因组的认识。机器学习是当今非常普遍,你可能会使用这一天几十倍而不自知。很多研究者也认为这是最好的人工智能的取得方式。在本课中,您将学习最有效的机器学习技术,并获得实践,让它们为自己的工作。更重要的是,你会不仅得到理论基础的学习,而且获得那些需要快速和强大的应用技术解决问题的实用技术。最后,你会学到一些硅谷利用机器学习和人工智能的最佳实践创新。

本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括:

(一)监督学习(参数/非参数算法,支持向量机,核函数,神经网络)。

(二)无监督学习(聚类,降维,推荐系统,深入学习推荐)。

(三)在机器学习的最佳实践(偏差/方差理论;在机器学习和人工智能创新过程)。本课程还将使用大量的案例研究,您还将学习如何运用学习算法构建智能机器人(感知,控制),文本的理解(Web搜索,反垃圾邮件),计算机视觉,医疗信息,音频,数据挖掘,和其他领域。

本课程需要10周共18节课,相对以前的机器学习视频,这个视频更加清晰,而且每课都有ppt课件,推荐学习。

实现算法

  • ex1-linear regression
  • ex2-logistic regression
  • ex3-neural network
  • ex4-NN back propagation
  • ex5-bias vs variance
  • ex6-SVM
  • ex7-kmeans and PCA
  • ex8-anomaly detection and recommendation

学习视频

笔记

Certificate

开源许可证 License AGPLv3

开源是一种精神,MachineLearning_Ng的开源更是人的一种进步

开源是自由的,而不是免费的。Free(自由) is not free(免费) 请认真阅读并遵守以下开源协议

AGPLv3 GNU Affero General Public License v3.0

此外,代码仅作学习matlab-机器学习所用,禁止私用,违者必究

About

吴恩达机器学习coursera课程,学习代码(2017年秋) The Stanford Coursera course on MachineLearning with Andrew Ng

Topics

Resources

License

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published