如何正确的学习Coursera上Andrew Ng的机器学习课程

来源：蜘蛛抓取(WebSpider) 时间：2016-12-22 04:44 标签：
&相关说明：
&您可能需要的资源：
&&&&&&&&&&&&&&Andrew NG Coursera上机器学习课后答案全套(是答案不是题目)
Andrew NG Coursera上机器学习课后答案全套(是答案不是题目)
全套机器coursera上Andrew ng机器学习答案，不是题目是答案，方便大家参考完成代码作业
若举报审核通过，可奖励20下载分
被举报人：
举报的资源分：
请选择类型
资源无法下载
资源无法使用
标题与实际内容不符
含有危害国家安全内容
含有反动色情等内容
含广告内容
版权问题，侵犯个人或公司的版权
*详细原因：
VIP下载&&免积分60元/年（1200次）
您可能还需要
开发技术下载排行Andrew Ng 机器学习 笔记coursera ml notes_图文_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
Andrew Ng 机器学习 笔记coursera ml notes
上传于||暂无简介
阅读已结束，如果下载本文需要使用1下载券
想免费下载本文？
定制HR最喜欢的简历
下载文档到电脑，查找使用更方便
还剩90页未读，继续阅读
定制HR最喜欢的简历
你可能喜欢机器学习 Machine Learning
知识量：9.9
教师参与：9.8
趣味性：9.8
课程设计：9.9
难度：简单
开始时间：
持续时间：11.0周
1.这门课名声很大。上完课，的确配得上那些赞誉。
2.想了解机器学习，强烈推荐。非常好的入门课程，零基础应该也可以学，所有知识教授都会介绍。涉及代数矩阵，写的代码其中很多需要矩阵运算。
3.上完课，就感觉机器学习很有趣也很强，意犹未尽。
你可能感兴趣
机器学习是一种让计算机在没有事先明确的编程的情况下做出正确反应的科学。在过去的十年中，机器学习已经给我们在自动驾驶汽车，实用语音识别，有效的网络搜索，以及提高人类基因组的认识方面带来大量帮助。今天的机器学习是如此普遍，你可能使用它每天几十次却不了解它。许多研究人员也认为这是最好的达到真正的“人工智能”的方法。在这门课中，你将学习最有效的机器学习技术，获得实践并应用这种技术为自己服务的经验。最后，你将了解一些硅谷的创新的最佳实践，因为它属于机器学习和人工智能。 课程概述机器学习是一门让计算机在非精确编程下進行活动的科学。在过去十年，机器学习促成了无人驾驶车、高效语音识别、精确网络搜索及人类基因组认知的大力发展。机器学习如此无孔不入，你可能已经在不知情的情况下利用过无数次。许多研究者认为，这种手段是达到人类水平AI的最佳方式。这门课程中，你将学习到高效的机器学习技巧，及学会如何利用它为你服务。重点是，你不仅能学到理论基础，更能知晓如何快速有效应用这些技巧到新的问题上。最后，你会接触到硅谷创新中几个优秀的涉及机器学习与AI的应用实例。此课程将广泛介绍机器学习、数据挖掘与统计模式识别的知识。主题包括：(i) 监督学习（参数/非参数算法、支持向量机、内核、神经网络）。(ii) 非监督学习（聚类、降维、推荐系统、深度学习）。(iii) 机器学习的优秀案例（偏差/方差理论；机器学习和人工智能的创新过程）课程将拮取案例研究与应用，学习如何将学习算法应用到智能机器人（观感，控制）、文字理解（网页搜索，防垃圾邮件）、计算机视觉、医学信息学、音频、数据挖掘及其他领域上。 常见问题解答本课程的授课形式是？本课程由教学视频组成，每小段大概八至十二分钟。其中整合了一些随堂测验。另外有单独的测验及编程作业。上这门课需要什么程度的编程背景？本课程包含编程作业，最好有一定程度的编程背景。我需要为这门课购买教科书吗？不需要，课程里已包含全部必要内容。 //翻译：
已完成本人医学专业，工作七年，计算机和数学方面零基础。因为想在IT和互联网方面充充电，借着AlfaGo的热潮学了这门课。老师讲得非常棒，深入浅出，基本不需要预备知识，只需要带着脑子好好领会便可。矩阵运算最一开始不是很理解时，在纸上画出来做草稿，很有帮助。没有编程基础在最一开始做作业时会有点小烦恼，但两周后就可以适应。我没接触过matlab,就顺带同步看了introduction to matlab这门课的一些视频帮助理解，代码和数学有不很理解的地方网上搜搜补补脑便可。我想连我这样的大妈都能pass，你们这些年轻又聪明的孩纸们更没问题！
当时公开课最初的三门课程之一，其他两门是AI和数据库
斯坦福的ML的大牛Andrew Ng的课程非常值得一看
讲得深入浅出，基本不需要什么pre-knowledge总之enjoy it
一. Basic Concepts
本人黄海广博士，目前我正在整理中文笔记，主要是根据视频内容和中文字幕以及ppt来制作，部分来源于网络，如“小小人_V”的...
机器学习流水线
滑动窗口探测器
人工数据合成：
1. 从头创造
2. 对原有数据增加畸变来造新数据
批量梯度下降 vs. 随机梯度下降 vs. 袖珍批量梯度下降
随机梯度下降：
1. 先将数据集随机打乱
2. 对数据...
用于非监督学习问题。训练集是无标签的（认为都是正常数据），而验证集和测试集是带标签的（用于表明是否是异常数据）。用正态分...
无监督学习算法——聚类（clustering）：
K均值（K-means）算法是最流行的一种聚类算法，按如下两步进行循...
The distance of the decision boundary to the nearest example...
通常将数据集分为训练集（60%）、交叉验证集（20%）和测试集（20%）。划分时注意要将样本打乱，而不是按照某个特征排序...

我要回帖

 

随机推荐