Coursera Machine Learning课程学习系列入门

最新推荐文章于 2022-02-06 10:18:43 发布
原创 最新推荐文章于 2022-02-06 10:18:43 发布 · 1.7k 阅读 · 1 ·
CC 4.0 BY-SA版权
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。
文章标签：

#Coursera #machine-learning #Andrew-Ng

本指南介绍如何学习 Andrew Ng 在 Coursera 上的机器学习课程，包括获取课件和视频的方法，以及如何提交编程作业等内容。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

Coursera Machine Learning by Andrew Ng 课程学习系列

作为机器学习的初学者，Coursera的Machine Learning by Andrew Ng课程是最值得推荐的学习资源 链接地址为https://class.coursera.org/ml-005/lecture?lecture_player=html5，打开页面后 请注意图片中央有 “Change to html5”或者 “Change to flash”，尝试点击可以将
只可以在线观看
变成
可以下载视频和课件
之后就可以下载课件和视频了。
以上的课程都是离线的，不是按周开课，没有证书 作业的链接是
https://www.coursera.org/learn/machine-learning/outline
这里写图片描述
很可惜的是下载下来的编程作业提交时会报如下错误 所以途中空缺的几个圈表示无法提交的编程作业
这里写图片描述
但是如果参加了课程 按周完成作业 在课程编程作业版面提交下载作业、提交作业、作业打分都没有问题
这里写图片描述

Machine Learning - Coursera 吴恩达机器学习教程 Week1 学习笔记
zhang35的博客
02-01 1418
机器学习的定义 Arthur Samuel 传统定义 Arthur Samuel: “the field of study that gives computers the ability to learn without being explicitly programmed.” This is an older, informal definition. 让计算机无需明确编程，就有学习能力。 Tom Mitchell 现代定义 Tom Mitchell: “A computer program is s
coursera machine learning 视频及字幕
03-13
coursera上的经典课程machine learning全套视频下载。由于太大不能放上来，这里给出百度云链接。
【机器学习】Coursera Machine Learning - Linear Regression 线性回归
Slow down, Keep learning and Enjoy life
05-01 514
最近打算系统地过下Coursera公开课平台上的《Machine Learning》, 刚把前两周课程的上完，虽然内容简单，感觉收获还是挺大的，有些细节Andrew老师是讲得非常好。后面计划针对每次编程作业，将对应的课程内容中，这轮学习中我认为值得关注的内容记录如此。 What is machine learning? Arthur Samuel: The field of study th...
跟着吴恩达学机器学习（Machine Learning） on Coursera 第一天
weixin_41338279的博客
06-11 598
观看了吴恩达教授讲解的supervised and unsupervised learning学习视频，了解了这两种算法的运用场景，分别是supervised learning 和 unsupervised learning。 supervised learning（有监督的学习） 针对于people can know what the ouput should look like，也就是给机...
coursera machine learning利用 octave提交作业
10-11
吴恩达的这门课程是机器学习领域的经典入门课程，涵盖了广泛的理论知识和实践技能。Octave是一款开源的数值计算软件，常被用于科学计算，特别是在解决线性代数、傅里叶分析、优化问题等领域，它是MATLAB的一个替代品...
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-master.zip_Y7Y_coursera_机器学习_机器学习matla
07-15
总之，“coursera-machine-learning-master.zip”是一个全面的机器学习MATLAB实践资源，它将帮助初学者快速入门，理解并应用各种机器学习算法。通过实践这些代码，你可以提升自己的编程技能，为未来在大数据、人工...
coursera-machine-learning:
05-17
标题 "Coursera-Machine-Learning" 指的是Andrew Ng教授在Coursera平台上的经典机器学习课程。这门课程涵盖了广泛的机器学习概念、算法和技术，是许多初学者和专业人士入门机器学习的重要资源。描述提到的“编程作业...
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》（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 机器学习课程 Machine Learning Andrew Ng Stanford 讲义合集 lectures
06-22
最新（2013年春）一期的Coursera 机器学习课程 Machine Learning Andrew Ng Stanford 讲义合集 lectures 是我在跟进课程学习时候下载的，非常好的课程和讲解，的确很有收获。 希望能够对大家有用。
Coursera Machine Learning —— Week1
weixin_42150654的博客
03-19 380
Foreword 在写机器学习的学习笔记之前呢，必须要吹一波最近的偶像，Andrew Ng吴恩达。 很早之前看了点儿Stanford CS229 Machine Learning，听说是Stanford报名人数最多的课，Andrew魅力实在太大了。因为一些原因（懒），看了一课时之后就弃了，然后这次选了难度低很多的Coursera上的也是Andrew的Machine Learning（Coursera就是Andrew创办的），因为针对小白，所以英文用词上也会简单很多，听起来不会很累，但是还是CS229里面的A
Machine Learning on Coursera
ab2296939808的博客
12-03 190
Week Six F Score P=21P+1R=2PRP+R\begin{aligned} P &= &\dfrac{2}{\dfrac{1}{P}+\dfrac{1}{R}}\\ &= &2 \dfrac{PR}{P+R} \end{aligned}P​==​P1​+R1​2​2P+RPR​​ Week Seve...
Machine Learning - Coursera 吴恩达机器学习教程 Week4 学习笔记
zhang35的博客
02-04 1366
背景 当目标函数非线性时（比如下图明显需要一条曲线），就需要增加高次项来获得曲线，当特征数量比较多时，增加高次项会使特征数量爆炸式增长。 比如图像识别问题，对50 * 50像素的图像，如果将每个像素作为特征，增加二次特征就会产生约3 * 10 ^ 6个特征（C22500 = 2500 * 2499 / 2） 这种情况下，若要使用普通逻辑回归学习所有特征，计算量就过大了。 此时用神经网络学习这种复杂的非线性假设函数，就比较合适了。 神经网络 首先学习几个术语： dendrite: 树突（输入） cell
Machine Learning - Coursera 吴恩达机器学习教程 Week5 学习笔记
zhang35的博客
02-06 871
神经网络的代价函数 定义 L = 神经网络总层数 sl = 第l层的单元数（不包含bias unit） K = output units/classes的数量 普通逻辑回归代价函数： 神经网络代价函数： 后面的正则化部分，θ矩阵的： 列数=当前层的节点数（包含bias unit） 行数=下一层的节点数（不包含bias unit） 反向传播 先正向推导： 再反向求代价： D：delta矩阵，它正好是J(θ)的偏导函数 有点复杂。暂不深究细节，先会用。 反向传播和正向传播很像，只是换了个方向：
Machine Learning 吴恩达系列课程学习笔记
onesmile5137的博客
05-29 286
学习stanford大学的机器学习课程很久了，我一直都没有写blog记录我的学习笔记，仅仅只是在笔记本上记录了。今天突然想到，为什么不分享一些自己的学习收获呢？ 今天在网易云课堂上学习了机器学习课程的第五课：生成学习算法。以下附上链接 机器学习课程——网易云课堂——吴恩达 可能有人会问，为什么你不在coursera上进行学习呢?是啊，coursera上的机器学习课程基于吴恩达教授最新录制的线上版本...
Coursera-Machine-Learning-ex4
Avoke17的博客
08-15 863
上一个练习中我们使用给定的权重矩阵对手写数字进行预测，本次练习中，我们尝试去学习参数θ。 Neural Networks 首先使用displayData方法对训练集数据进行可视化。 和之前的训练集一样，共5000个训练样本，每个样本为20*20像素的图片，展开以400维向量形式给出。训练样本处理如下： 首先确定结构，我们本次使用三层结构，一个输入层，一个隐藏层，一个输出层。由于我们...
coursera machine learning
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
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