DL吴教授视频学习

最新推荐文章于 2025-08-11 16:25:07 发布
最新推荐文章于 2025-08-11 16:25:07 发布
阅读量60 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/gabrialrx/p/6077297.html

DL 深度学习 NFL 非监督特征学习 RL 表示学习

ML的三个要素：

 

模型里面最简单的是线性模型。广义线性模型是指在线性函数里面套一个非线性函数。

损失函数就是用f(x)预测y的偏差。机器学习的过程就是优化降低偏差的过程。

经验风险+正则项

DL 也是相同的框架，模型采用ANN。

 

神经元

对一组输入通过一个非线性函数得出y

 

转载于:https://www.cnblogs.com/gabrialrx/p/6077297.html

吴恩达教授人工智能、机器学习和深度学习资料
weixin_37786938的博客
05-02 983
吴恩达 Andrew NgCo-founder, Coursera; Adjunct Professor, Stanford University; formerly head of Baidu AI Group/Google Brain                                                                     1. 机器学习课程【课程...
DL学习视频的整理
musks的博客
08-15 490
发现最近课程比较多，有些适合初学者，有些则讲比较深，适合专业人员，所以整理一下，会不断更新…… 2017.8.14 整理 1..李飞飞2017春季课程Spring 2017 仍由李飞飞主讲，并邀请了Goodfellow等人对其中部分章节详细介绍。本课程从计算机视觉的基础概念开始，在奠定了基本分类模型、神经网络和优化算法的基础后，详细介绍了CNN、RNN、GAN、RL等深度模型在计算机视觉上的应用。
吴恩达深度学习——读书笔记
studyeboy的专栏
07-12 2134
深度学习概论 神经网络 房屋价格预测的模型： 左边是输入层，由人工输入，中间是隐藏层，连接数很高，神经网络自己决定每个节点具体是什么，右边是输出层，神经网络非常擅长计算从x到y的精准映射函数。 监督学习 到目前为止，几乎所有由神经网络创作的经济价值，都是基于一种机器学习——监督学习。 常见神经网络模型 NN：神经网络（预测等） CNN：卷积神经网络（图像处理） RNN：循环神经网络（善于处理一维序列数据，包含时间成分） 结构化与非结构化数据 人类更容易理解非机构化的数据 机器容易理解结构化数据
吴恩达机器学习实战代码库
weixin_36303305的博客
05-18 977
简介：吴恩达，著名计算机科学家及AI专家，在机器学习领域影响深远。"吴恩达机器学习代码"可能包含他Coursera课程的实践代码，涵盖线性回归、逻辑回归、神经网络等多个机器学习主题。这些代码旨在帮助学习者深入理解并应用机器学习算法，包括但不限于CNN、RNN/LSTM、SVM、集成方法、聚类算法和降维技术。学习者通过实践这些代码，可提升编程技能，为解决实际问题打下坚实基础。
【经典】吴恩达——机器学习笔记001
shirlleyHan的博客
07-14 1439
听从学长的建议，将吴恩达教授的DL和ML视频作为CV入门学习，本博客为个人学习笔记，旨在记录学习所得，欢迎小伙伴们一起交流学习，批评指正！
吴恩达老师深度学习视频课程全套资源
datayx的文章
04-11 3260
向AI转型的程序员都关注了这个号????????????机器学习AI算法工程公众号：datayx吴恩达老师的深度学习课程笔记及资源https://github.com/fengdu7...
学习推荐！吴恩达 AI 课程及学习路线最全梳理
Datawhale
02-25 7044
编辑 | Will出品 | 字节AI吴恩达（Andrew Ng），毫无疑问，是全球人工智能（AI）领域的大 IP！随着近些年来 AI 越来越火的大趋势下，吴恩达一直致力于普及、宣传、推广...
2020-6-24 吴恩达DL学习-C3结构化ML项目-第一周 ML策略（1）
weixin_42555985的博客
09-01 353
1.视频网站：mooc慕课https://mooc.study.163.com/university/deeplearning_ai#/c 2.详细笔记网站(中文)：http://www.ai-start.com/dl2017/ 3.github课件+作业+答案：https://github.com/stormstone/deeplearning.ai 这门课也有两个“流程模拟器”，可以让你作为ML项目的领导者，练习如何决策。这会让你收获极其宝贵的“行业经验”，一般来说，这些经验可能要通过多年的工作积累才能
（学习笔记）吴恩达深度学习课程第一课—神经网络与深度学习
weixin_44051854的博客
02-25 2515
文章目录（学习笔记）吴恩达深度学习课程第一课—神经网络与深度学习第一周 深度学习概述一、什么是神经网络二、用神经网络进行监督学习第二周 神经网络基础一、二分分类 （学习笔记）吴恩达深度学习课程第一课—神经网络与深度学习 视频链接：https://www.bilibili.com/video/BV164411m79z?p=8&spm_id_from=pageDriver 第一周 深度学习概述 一、什么是神经网络 ​ 在房价预测问题中，我们根据训练数据训练出一条如上图中的曲线，来尽可能拟合
吴恩达深度学习课程实践资源包
4. 深度学习资料：这指的是与深度学习相关的学习材料，包括吴恩达课程的视频讲座、讲义、作业、论坛讨论等，这些都是学习深度学习的重要资源。 5. 学习资料DL：这表明提供的资料是专注于深度学习（Deep Learning）...
吴恩达深度学习专项课程编程作业汇总
吴恩达教授是机器学习和深度学习教育的先行者，他的课程和教学视频在全球范围内传播，影响了无数学生和研究人员。 2. 深度学习专项课程介绍： 吴恩达教授在Coursera上推出的深度学习专项课程包含了五个部分，分别是...
吴恩达深度学习专项课程课后习题解析
标签“吴恩达DL”进一步明确了文件内容与吴恩达（Andrew Ng）教授的深度学习（Deep Learning）知识领域相关联。 知识点如下： ### 深度学习基础 深度学习是机器学习的一个分支，它通过构建神经网络模拟人脑进行...
【AI论文】高效智能体：在降低成本的同时构建高效能智能体
m0_66899341的博客
08-08 777
本研究系统探究了大型语言模型(LLM)智能体的效率与效能平衡问题，针对当前智能体系统运营成本高昂的痛点，通过GAIA基准测试集实证分析了LLM主干模型选择、框架设计和扩展策略的影响。研究发现：1)任务复杂度存在最优阈值；2)额外模块的边际效益递减；3)框架优化可显著提升效率。基于此开发的EfficientAgents框架，在保持96.7%性能的同时降低28.4%成本，实现"通过成本"指标优化。研究为构建经济高效的智能体系统提供了实证依据和方法指导，推动AI解决方案的可持续发展。
强化学习-MATLAB
weixin_45302337的博客
08-09 481
black box -> machine learning不需要标签，根据内在特征进行聚类等相似操作；这就是ML所擅长的，从数据中找出特征进而得到label；序列行为实现最优的回报；可以将policy使用深度神经网络这也是DRL的由来；RL算法的作用就是基于观测，奖励等去优化策略，以采取最优动作进而获得最大回报；所以，RL就是一个优化问题：与其他优化问题区分开来：关键点：评估状态价值，将能够使得智能体获得更高回报，而不是只是关注即时奖励；如果不能够评估状态价值，很有可能导致Agent陷入利用（贪婪）的状态，
教程 | 使用SAHI结合supervision进行小目标检测
热爱分享，热爱记录
08-07 1337
NMS 通过基于置信度分数消除冗余的检测结果来工作，而 NMM 则将重叠的检测结果合并，以增强对跨越多个图块的对象的表示。它将大图像分割成较小的切片，对每个切片进行推理，然后合并结果，以形成整个图像的最终检测结果。将图块数量增加到 5x5 网格，我们实际上是对图像进行了放大，这样模型就能捕捉到更精细的细节，比如之前可能遗漏的更小、更远的物体。在深入探讨用于小目标检测的SAHI技术之前，先看看经过微调的模型在未经任何预处理或切片的原始图像上的表现是很有帮助的。经过一些测试后，我发现最佳方法是检测人的头部。
CVPR 2025 | 即插即用，极简数据蒸馏，速度up20倍，GPU占用仅2G
最新发布
AImokuai的博客
08-11 793
本文提出了一种创新的神经特征函数匹配（NCFM）方法用于高效数据集蒸馏。该方法通过构建minmax对抗优化框架，引入神经特征函数差异（NCFD）作为新的分布度量指标，在复数空间实现数据特征的对齐。NCFM具有三大创新点：1）基于复数相位和振幅解耦的神经特征函数度量；2）动态采样网络实现高效计算；3）层级式特征对齐机制。实验表明，在CIFAR-100等数据集上，NCFM相比现有方法内存消耗降低300倍，处理速度提升20倍，同时保持无损压缩效果，为低资源环境下的模型训练提供了新范式。该方法在边缘计算、隐私保护数
快速了解svm算法
wzdzgdf的博客
08-08 1601
如果你刚接触机器学习，一定听过各种算法的名字：决策树、神经网络、SVM… 其中 SVM（支持向量机，Support Vector Machine）作为经典的监督学习算法，在分类任务中曾长期占据 “顶流” 地位，至今仍在很多场景中发挥重要作用。今天这篇文章，带你快速搞懂 SVM 的核心逻辑、关键概念和实际价值。
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