Coursera上的machine learning学完啦

最新推荐文章于 2022-04-20 18:15:12 发布
最新推荐文章于 2022-04-20 18:15:12 发布
阅读量2k 收藏
点赞数 4
分类专栏： 杂 文章标签： Coursera machine learing
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/abcd1992719g/article/details/25161617
版权

Coursera上的第一门公开课终于要结束啦～～


所有的代码http://download.youkuaiyun.com/detail/abcd1992719g/7306053


老师的Octave代码非常赞，框架打的非常好。


内容浅显，很适合初学者


暑假有空得把Octave代码再看看，多学学


再接再厉！！！

Coursera《Machine Learning》（机器学习课程，主讲教师为Andrew Ng）配套作业
09-04
Coursera《Machine Learning》（机器学习课程，主讲教师为Andrew Ng）的课程是机器学习的入门经典课程之一，其特点是深入浅出，并且由一些难度适宜的作业（Matlab编程作业）以帮助学员理解理论。但是很多朋友不清楚如何获取到这些作业，因此整理并上传资料
coursera机器学习每周测验（完整版，包括每节课中间暂停的测验）
04-28
注意：不是编程练习！不是编程练习！不是编程练习！重要的事情说三遍。本资源是coursera机器学习每周每课时（2--11周）的测验题目，包括每节课都有暂停之后的小练习，都是自己截图下来的，是纯英文版的，部分图片里面我个人用FastStone添加了个人理解解题思路，如有问题可以一起交流。coursera机器学习的题目还是很经典的，切中要害，对于复习巩固学过的知识具有莫大的帮助。
Coursera Machine Learning 学习笔记（一）
James Zhang's Blog
02-28 3050
Coursera Machine Learning 学习笔记（一）
Machine Learning结课感想
「谁定义我是我」
01-13 445
开始Andrew Ng男神的机器学习课程的日常。Created with Raphaël 2.1.0打开coursera玩手机开始看Andrew男神？看会儿关关电脑yesno
Coursera—machine learning(Andrew Ng)编程作业ex1-ex8
01-15
在本资源中，"Coursera—machine learning(Andrew Ng)编程作业ex1-ex8" 是一项关于机器学习的在线课程，由著名学者吴恩达（Andrew Ng）教授。这门课程是许多初学者入门机器学习的经典途径。编程作业部分包括了从ex1...
machine-learning-ex5_macinelearning_coursera_machinelearning_
09-30
标题 "machine-learning-ex5_macinelearning_coursera_machinelearning_" 暗示这是一个关于机器学习的课程作业或练习，可能来自于Coursera上的Andrew Ng教授的《机器学习》课程。"ex5"通常表示这是课程中的第五个...
coursera Machine Learning 第12348课代码
04-30
在Coursera上，吴恩达（Andrew Ng）教授的机器学习课程是全球最受欢迎的数据科学与人工智能课程之一。本课程的第12348课着重于通过实践操作来深化理解机器学习算法，特别是通过MATLAB语言实现。MATLAB是一种强大的...
coursera 上 Machine Learning 编程源码解答5-8
05-28
在Coursera上的"Machine Learning"课程中，编程作业涵盖了各种机器学习算法的实现，从基础的线性回归到复杂的神经网络。这份压缩包文件包含了第5至8个编程作业的源码解答，旨在帮助学员深入理解课程中的概念并提高...
coursera-machine-learning：Coursera的机器学习课程中的MATLAB作业
02-03
在“coursera-machine-learning-master”文件中，可能包含了各个单元的作业代码，包括数据加载、模型训练、结果评估等步骤。通过这些实例，你可以深入理解机器学习理论，并提高MATLAB编程技能。 总之，MATLAB在机器...
coursera上吴恩达的《machine learning》的所有大作业Code
08-11
coursera上吴恩达的《machine learning》的所有大作业Code,仅供大家参考之用。
coursera上的《machine learning》的所有大作业
04-17
分为作业和答案两部分，分开的资源，不用因为有答案影响自己的思路
Coursera上machine learning证书
heroacool的专栏
03-06 5035
今天终于搞定Coursera上machine learning的证书了，很开心，一个星期的努力也算是有了见证。 学习下来有以下体会： 1，讲解内容比较基础，直接给出公式结果，没有涉及到具体的推导过程，因为我之前有看线性回归，逻辑回归，SVM，K-means，协同过滤之类的算法博客，所以对于推导比较熟悉。2，homework中的tutorial真的是非常非常详细，这是我在国内上课从来没有过的体验。
coursera andrew Ng老师的machine learning的课程总结（一）
conquerorjia的专栏
01-17 2646
这段时间看了andrew .Ng老师的课程，算是机器学习的入门，感觉很不错，结合自己的对机器学习的了解，在这里将这段时间的学习总结一下        在第一讲介绍性的，讲了什么是机器学习，有监督学习（supervised learning）和无监督学习（unsupervised learning），监督学习和非监督学习，其实主要的区别在于，训练集，监督学习使用有标记的训练集，通过学习完成参数优化
[机器学习] Coursera笔记 - 机器学习应用的建议-Part3
WangBo的机器学习乐园
11-11 2682
本文主要整理自“Advice for Applying Machine Learning”课程的笔记资料，包括假设函数的评估、数据集划分、模型选择问题、过拟合与欠拟合，偏差和方差，数据的重要性，以及机器学习算法的诊断与调试法等方面。
Coursera机器学习完结
Shenglei Sketches
08-26 1054
第一个flag终于拔掉了！！！
第六周（机器学习应用建议）-【机器学习-Coursera Machine Learning-吴恩达】
牧码杭城
03-08 532
目录    评估学习算法：    方差和偏差    学习曲线    机器学习系统设计1 评估假设，选择多项式模型利用 测试集误差。线性回归：逻辑回归：当选择多项式模型时：一般进一步划分数据集为训练集60%、验证集20%、测试集20%·利用 训练集 优化参数 theta·使用 验证集 找到最小误差的多项式·使用 测试集 估计泛化误差2 偏差和方差：如何评价一个学习算法1）拟合与偏差/方差欠拟合：高偏...
Coursera-Machine Learning 笔记（一）
ColdZoo Blog
05-11 714
Coursera-Machine Learning 笔记（一）TOPIC: Linear Regression with one variableAbstract本文是https://class.coursera.org/ml-005/lecture 的课堂笔记。笔记范围包括第II部分Linear Regresssion with one variable. 我写作这篇文章的主要目的是整理自己的笔记
【Coursera-Machine Learning】自用1
STARLITSKY23822的博客
04-20 1777
Coursera-Machine Learning1
coursera machine learning
最新发布
06-28
Coursera机器学习是由斯坦福大学教授Andrew Ng主讲的一门在线课程，旨在向学习者介绍机器学习的基本概念、算法和应用。该课程涵盖了监督学习、无监督学习、深度学习等多个方面，通过理论讲解和实践编程作业，帮助学习者掌握机器学习的基本原理和实践技能。该课程是Coursera平台上最受欢迎的课程之一，也是机器学习领域入门的重要资源之一。 ### 回答2： Coursera机器学习是由斯坦福大学Andrew Ng教授设计并教授的在线课程。这门课程被认为是公认的机器学习入门教材之一，也是Coursera平台最受欢迎的课程之一。 这门课程涵盖了机器学习领域中最基础的知识和技术，包括监督学习、无监督学习以及神经网络等。学生可以通过该课程了解到如何采集和处理数据、如何训练模型、如何评估模型的性能等。此外，课程还涉及到机器学习中一些实用的技术，如正则化、梯度下降等。 该课程受到了全球范围内的认可和青睐，许多学生、工程师、数据科学家等都受益于该课程。由于该课程的知识点全面、深入浅出、容易理解和学习，在业内和学术界都广受赞誉，拥有较高的知名度和价值。 总之，Coursera机器学习是一门非常好的课程，对于那些对机器学习感兴趣的人来说，它是一个不可错过的机会。课程教材内容丰富、难度适中，且教学相对轻松愉悦，难怪在学习资源上产生了广泛的影响。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值