牛人的Machine Learning 机器学习笔记目录

目录

• 前言

第一周：Welcome

• 1.1 What is Machine Learning?
• 1.2 Linear Regression with One Variable

第二周：Linear Regression with Multiple Variables

• 2.1 Multivariate Linear Regression
• 2.2 Computing Parameters Analytically
• 2.3 Octave/Matlab Tutorial

第三周：Logistic Regression

• 3.1 Logistic Regression
• 3.2 Regularization

第四周：Neural Networks: Representation

• 4.1 Neural Networks Representation

第五周：Neural Networks: Learning

• 5.1 Neural Networks Learning
• 5.2 Backpropagation in Practice

第六周：Advice for Applying Machine Learning

• 6.1 Advice for Applying Machine Learning
• 6.2 Machine Learning System Design

第七周：Support Vector Machines

• 7.1 Support Vector Machines

第八周：Unsupervised Learning

• 8.1 Unsupervised Learning
• 8.2 Dimensionality Reduction

第九周：Anomaly Detection

• 9.1 Anomaly Detection
• 9.2 Recommender Systems

第十周：Large Scale Machine Learning

• 10.1 Large Scale Machine Learning

第十一周：Application Example: Photo OCR

• 11.1 Application Example: Photo OCR

你也许感兴趣的：

• Google 辟谣放弃 TensorFlow，它还活着！
• 做了 5 年机器学习研究，我发现了这 7 个真相
• 做了 5 年机器学习研究，我发现了这 7 个真相
• 亚马逊机器学习服务Amazon SageMaker 又添九项新功能！
• 用程序员的独特视角解读《隐秘的角落》
• 吴恩达的 CS229，有人把它浓缩成 6 张中文速查表
• 闲鱼是如何处理复杂背景内容识别的
• 如何判断你的项目是不是真的需要用到 AI？
• 谷歌刷新机器学习世界纪录！2 分钟搞定 ImageNet 训练
• 机器学习项目失败的9个原因