ML:吴恩达 机器学习 课程笔记(Week9~10)

最新推荐文章于 2025-09-05 14:24:44 发布
最新推荐文章于 2025-09-05 14:24:44 发布
阅读量115 收藏
点赞数
CC 4.0 BY-SA版权
文章标签： 人工智能
原文链接：http://www.cnblogs.com/mengnan/p/9307694.html
本文主要探讨了异常检测、推荐系统以及大规模机器学习等关键技术的应用和发展趋势。
  • Anomaly Detection
  • Recommender Systems
  • Large Scale Machine Learning

30422827.jpg
11198633.jpg
31449144.jpg
42131928.jpg
39682641.jpg
69025592.jpg
13712552.jpg

转载于:https://www.cnblogs.com/mengnan/p/9307694.html

吴恩达机器学习基础课程笔记
tjujackson的博客
03-06 1383
吴恩达机器学习2022笔记
吴恩达机器学习课后作业源码及笔记_机器学习_吴恩达_
10-01
今天，我们所要探讨的，是那些有幸参与了吴恩达机器学习课程的同学们所珍藏的宝贵资料——“吴恩达机器学习课后作业源码及笔记”。这份资料集作业解答和编程代码于一体，对于那些已经或正在学习吴恩达课程的朋友们来...
coursera machine learning利用 octave提交作业
10-11
coursera 上的吴恩达的机器学习课程，octave4.0.0版本提交作业时会提示提交失败，只要将每个作业文件下的lib文件替换成本资源提供的lib即可。
吴恩达-coursera-机器学习-week9
weixin_30562507的博客
01-16 240
十五、异常检测(Anomaly Detection) 15.1 问题的动机 15.2 高斯分布 15.3 算法 15.4 开发和评价一个异常检测系统 15.5 异常检测与监督学习对比 15.6 选择特征 15.7 多元高斯分布（选修） 15.8 使用多元高斯分布进行异常检测（选修） 十六、推荐系统(Recommender Systems) 16.1 问题形式化 16.2 基于内容的推荐系统 ...
Coursera ML笔记 -----week9-1 异常检测
tjl_moby的博客
04-29 1001
异常检测
ML:吴恩达 机器学习 课程笔记(Week3~4)
weixin_30377461的博客
07-13 83
Logistic Regression Regularization Neural Networks: Representation 转载于:https://www.cnblogs.com/mengnan/p/9307703.html
吴恩达机器学习课程笔记week1
linjinshu1的博客
12-28 1701
有监督学习(Supervised learning)：实际应用中，有监督学习使用最广泛，并取得了最快速的进步和创新。Course1、Course2聚焦于有监督学习。无监督学习(Unsupervised learning)：Course3聚焦于无监督学习。强化学习(Reinforcement learning)：由于应用没有前两者广泛，所以本课程没有简单介绍。使用“学习算法”的实用建议（很重要）：“学习算法”本身只是一种工具，比工具本身更重要的是 如何正确使用这些工具。
吴恩达机器学习 Course2 week1学习笔记
linjinshu1的博客
01-28 797
TensorFlow是实现深度学习算法的框架之一，但目前国内最常使用PyTorch，但不用担心，两者代码几乎完全相同。安装TensorFlow 的CPU版本# 安装时会自动选择和Python环境匹配的版本安装TensorFlow-GPU版本，硬件最好为AMD显卡(N卡)。然后，配置好CUDA# 安装时会自动选择和Python环境匹配的版本注：从 TensorFlow 2.1 开始，包已经被合并到tensorflow包中。你只需要安装tensorflow，它会自动检测并利用 GPU。
ML:吴恩达 机器学习 课程笔记(Week1~2)
weixin_30729609的博客
07-13 91
吴恩达(Andrew Ng)机器学习课程：课程主页 由于博客编辑器有些不顺手，所有的课程笔记将全部以手写照片形式上传。有机会将在之后上传课程中各个ML算法实现的Octave版本。 Linear Regression with One Variable Linear Algebra Review Linear Regression with Multiple Variables Octave/Ma...
ML:吴恩达 机器学习 课程笔记(Week5~6)
weixin_30439131的博客
07-13 99
Neural Networks: Learning Advice for Applying Machine Learning Machine Learning System Design 转载于:https://www.cnblogs.com/mengnan/p/9307697.html
ML:吴恩达 机器学习 课程笔记(Week7~8)
weixin_30907935的博客
07-13 104
Support Vector Machines Unsupervised Learning Dimensionality Reduction 转载于:https://www.cnblogs.com/mengnan/p/9307696.html
matlab吴恩达代码-Andrew.Ng-ML-Study:吴恩达机器学习\深度学习，学习笔记和代码
05-26
coursera上也有吴恩达机器学习和深度学习对应课程。如果想写课后编程作业，强烈建议免费申请或购买对应的课程。 当初免费申请了coursera:深度学习的课程只做了week1到week3的作业就去忙期末了。没有做week4结果...
STM32传感器模块编程实践(十六)DIY人脸识别智能垃圾桶模型
光子物联
09-05 768
本文介绍了一种基于STM32单片机的人脸识别智能垃圾桶模型。该系统由STM32F103C8T6主控芯片、ASR-PRO语音交互模块、SG90舵机和人脸识别模块组成。语音模块用于验证口令，只有口令正确才能录入人脸；识别成功后舵机带动垃圾桶盖打开。控制流程包括人脸识别、语音交互和舵机驱动，通过串口指令实现人脸录入与识别。系统采用STM32CubeMX配置GPIO、PWM和串口参数，Keil5编写控制程序，最终实现人脸识别控制垃圾桶
怎么快速构建一个deep search模型呢
最新发布
qq_57565004的博客
09-05 695
本文提出了一种快速构建具备深度信息检索能力的智能体系统（DeepSearch）的方法。该方法采用分阶段开发策略：首先基于RAG架构搭建基础检索链路，再通过LangChain框架整合大语言模型和搜索引擎API，赋予系统自主规划与迭代搜索能力，最终实现多源信息整合和结构化报告生成。技术选型上强调利用开源工具（如LangChain、ChromaDB）和预训练模型，通过"思考-检索-整合-迭代"的智能体工作流，高效构建可验证原型的核心功能。
2025年09月03日最热门的开源项目(Github)
09-04 656
模型常见训练超参数介绍(1)
my java博客园
09-02 1761
【摘要】本文总结了BERT/RoBERTa模型调参的关键策略：1）训练轮数需平衡过拟合与欠拟合，NER任务通常10+轮，分类任务3-5轮，推荐使用早停机制；2）学习率建议2e-5~5e-5，过高易震荡，过低收敛慢；3）batch size需适配显存，大batch需配合高学习率；4）warmup steps设为总步数5-20%，稳定训练初期；5）weight decay建议0.01-0.1，防止过拟合。调参时应监控训练/验证损失曲线，结合任务复杂度动态调整参数组合。（149字）
机器学习基础-day03-机器学习中的线性回归
XZSSWJS的博客
09-04 864
初学小小白，个人笔记使用，仅供参考
机器学习从入门到精通 - 强化学习初探：Q-Learning到Deep Q-Network实战
THMAIL的博客
09-04 1354
本文介绍了强化学习从Q-Learning到Deep Q-Network(DQN)的进阶过程。首先阐述了强化学习的基本框架，包括Agent、Environment、State、Action和Reward的交互关系，以及马尔可夫决策过程(MDP)的核心假设。重点讲解了Q-Learning算法，详细推导了其基于贝尔曼方程的时间差分更新公式，并说明了ε-greedy策略在探索与利用之间的平衡作用。随后指出Q-Table在处理高维状态空间时的局限性，进而引入DQN解决方案。DQN采用神经网络作为函数逼近器，并依靠经验
SpringAI Alibaba Graph 流式对话
weixin_60523038的博客
09-03 421
SrpingAi Alibaba Graph实现流式对话，工作流，Graph工作流，代码工作流，流式
吴恩达机器学习课程官方总结：week1-week10
首先，标题中提到的“吴恩达 机器学习 每周总结官方版 week1-week10”，说明这些文件是关于吴恩达所授课程的官方总结。吴恩达是机器学习领域内的著名学者，曾任斯坦福大学教授，并且是Coursera平台上的机器学习课程...
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