全球公认的机器学习入门“圣经”，由斯坦福大学著名教授、AI 领域领军人物 吴恩达 (Andrew Ng) 主讲。课程摒弃了枯燥的纯理论推导，以直观的理解、清晰的数学逻辑和实用的工程技巧为核心，系统性地构建了机器学习的知识大厦。从线性回归的基石到神经网络的深邃，从偏差方差诊断的调优心法到大数据规模下的算法演进，本课程将带你掌握机器学习的核心算法、评估方法及系统设计思维。无论你是想踏入 AI 领域的初学者，还是希望夯实理论基础的数据科学家，这都是一门不可逾越的经典之作。
课程目录：
10_1决定下一步做什么S1E58.mp4
10_2评估假设S1E59.mp4
10_3模型选择和训练、验证、测试集S1E60.mp4
10_4诊断偏差与方差S1E61.mp4
10_5正则化和偏差、方差S1E62.mp4
10_6学习曲线S1E63.mp4
10_7决定接下来做什么S1E64.mp4
11_1确定执行的优先级S1E65.mp4
11_2误差分析S1E66.mp4
11_3不对称性分类的误差评估S1E67.mp4
11_4精确度和召回率的权衡S1E68.mp4
11_5机器学习数据S1E69.mp4
12_1优化目标S1E70.mp4
12_2直观上对大间隔的理解S1E71.mp4
12_3大间隔分类器的数学原理S1E72.mp4
12_4核函数1S1E73.mp4
12_5核函数2S1E74.mp4
12_6使用SVMS1E75.mp4
13_1无监督学习S1E76.mp4
13_2K_Means算法S1E77.mp4
13_3优化目标S1E78.mp4
13_4随机初始化S1E79.mp4
13_5选取聚类数量S1E80.mp4
14_1目标I：数据压缩S1E81.mp4
14_2目标II：可视化S1E82.mp4
14_3主成分分析问题规划1S1E83.mp4
14_4主成分分析问题规划2S1E84.mp4
14_5主成分数量选择S1E85.mp4
14_6压缩重现S1E86.mp4
14_7应用PCA的建议S1E87.mp4
15_1问题动机S1E88.mp4
15_2高斯分布S1E89.mp4
15_3算法S1E90.mp4
15_4开发和评估异常检测系统S1E91.mp4
15_5异常检测VS监督学习S1E92.mp4
15_6选择要使用的功能S1E93.mp4
15_7多变量高斯分布S1E94.mp4
15_8使用多变量高斯分布的异常检测S1E95.mp4
16_1问题规划S1E96.mp4
16_2基于内容的推荐算法S1E97.mp4
16_3协同过滤S1E98.mp4
16_4协同过滤算法S1E99.mp4
16_5矢量化：低轶矩阵分解S1E100.mp4
16_6实施细节：均值规范化S1E101.mp4
17_1学习大数据集S1E102.mp4
17_2随机梯度下降S1E103.mp4
17_3Mini_Batch梯度下降S1E104.mp4
17_4随机梯度下降收敛S1E105.mp4
17_5在线学习S1E106.mp4
17_6减少映射与数据并行S1E107.mp4
18_1问题描述与OCRpipelineS1E108.mp4
18_2滑动窗口S1E109.mp4
18_3获取大量数据和人工数据S1E110.mp4
18_4天花板分析：下一步工作的pipelineS1E111.mp4
19_1总结与感谢S1E112.mp4
1_1欢迎参加《机器学习》课程S1E1.mp4
1_2什么是机器学习？S1E2.mp4
1_3监督学习S1E3.mp4
1_4无监督学习S1E4.mp4
2_1模型描述S1E5.mp4
2_2代价函数S1E6.mp4
2_3代价函数一S1E7.mp4
2_4代价函数二S1E8.mp4
2_5梯度下降S1E9.mp4
2_6梯度下降知识点总结S1E10.mp4
2_7线性回归的梯度下降S1E11.mp4
3_1矩阵和向量S1E12.mp4
3_2加法和标量乘法S1E13.mp4
3_3矩阵向量乘法S1E14.mp4
3_4矩阵乘法S1E15.mp4
3_5矩阵乘法特征S1E16.mp4
3_6逆和转置S1E17.mp4
4_1多功能S1E18.mp4
4_2多元梯度下降法S1E19.mp4
4_3多元梯度下降法演练I–特征缩放S1E20.mp4
4_4多元梯度下降法II–学习率S1E21.mp4
4_5特征和多项式回归S1E22.mp4
4_6正规方程区别于迭代方法的直接解法S1E23.mp4
4_7正规方程在矩阵不可逆情况下的解决方法S1E24.mp4
4_8导师的编程小技巧S1E25.mp4
5_1基本操作S1E26.mp4
5_2移动数据S1E27.mp4
5_3计算数据S1E28.mp4
5_4数据绘制S1E29.mp4
5_5控制语句：for，while，if语句S1E30.mp4
5_6矢量S1E31.mp4
6_1分类S1E32.mp4
6_2假设陈述S1E33.mp4
6_3决策界限S1E34.mp4
6_4代价函数S1E35.mp4
6_5简化代价函数与梯度下降S1E36.mp4
6_6高级优化S1E37.mp4
6_7多元分类：一对多S1E38.mp4
7_1过拟合问题S1E39.mp4
7_2代价函数S1E40.mp4
7_3线性回归的正则化S1E41.mp4
7_4Logistic回归的正则化S1E42.mp4
8_1非线性假设S1E43.mp4
8_2神经元与大脑S1E44.mp4
8_3模型展示ⅠS1E45.mp4
8_4模型展示ⅡS1E46.mp4
8_5例子与直觉理解ⅠS1E47.mp4
8_6例子与直觉理解ⅡS1E48.mp4
8_7多元分类S1E49.mp4
9_1代价函数S1E50.mp4
9_2反向传播算法S1E51.mp4
9_3理解反向传播S1E52.mp4
9_4使用注意：展开参数S1E53.mp4
9_5梯度检测S1E54.mp4
9_6随机初始化S1E55.mp4
9_7组合到一起S1E56.mp4
9_8无人驾驶S1E57.mp4
下载地址：
感谢您的来访，获取更多精彩文章请收藏本站。
