UP主： 封面： 简介：deep learning.ai相信很多同学认识吴恩达大佬，在这门课上( machine earning specialization)你将自己编程实现机器学习。数百万人参加了这门课程的早期版本许多学习者，最...
视频选集 1.1 欢迎来到机器学习! 1.2 机器学习的应用 2.1 什么是机器学习 2.2 监督学习 part 1 2.3 监督学习 part 2 2.4 非监督学习 part 1 2.5 非监督学习 part 2 2.6 Jupyter Notebooks 3.1 线性回归模型 part 1 3.2 线性回归模型 part 2 3.3 代价函数 3.4 代价函数的直观理解 3.5 可视化代价函数 3.6 可视化的例子 4.1 梯度下降 4.2 实现梯度下降 4.3 梯度下降的直观理解 4.4 学习率 4.5 线性回归中的梯度下降 4.6 运行梯度下降 5.1 多类特征 5.2 向量化 part 1 5.3 向量化 part 2 5.4 多元线性回归的梯度下降法 6.1 特征缩放 part 1 6.2 特征缩放 part 2 6.3 检查梯度下降是否收敛 6.4 学习率的选择 6.5 特征工程 6.6 多项式回归 7.1 Motivations 7.2 逻辑(logistic)回归 7.3 决策边界 8.1 逻辑回归的代价函数 8.2 逻辑回归的简化版代价函数 9.1 梯度下降实现 10.1 过拟合的问题 10.2 解决过拟合 10.3 正则化代价函数 10.4 正则化线性回归 10.5 正则化logistic回归 1.1 欢迎来到第二部分_高级学习算法 1.2 神经元和大脑 1.3 需求预测 1.4 例子：图像识别 2.1 神经网络中的层 2.2 更复杂的神经网络 2.3 推理：做出预测(前向传播) 3.1 代码中的推理 3.2 TensorFlow中的数据 3.3 构建一个神经网络 4.1 在一个单层中的前向传播 4.2 前向传播的一般实现 5.1 是否有路通向AGI(通用人工智能) 6.1 神经网络如何高效实现 6.2 矩阵乘法 6.3 矩阵乘法的规则 6.4 矩阵乘法代码 7.1 TensorFlow实现 7.2 训练细节 8.1 sigmoid的替代品 8.2 选择激活函数 8.3 为什么我们需要激活函数 9.1 多类 9.2 Softmax 9.3 神经网络的Softmax输出 9.4 softmax的改进实现 9.5 多个输出的分类(Optional) 10.1 高级优化方法 10.2 Additional Layer Types 11.1 决定下一步做什么 11.2 模型评估 11.3 模型选择和训练交叉验证测试集 12.1 诊断偏差和方差 12.2 正则化和偏差或方差 12.3 建立表现基准 12.4 学习曲线 12.5 再次决定下一步做什么 12.6 偏差或方差与神经网络 13.1 机器学习的迭代发展 13.2 误差分析 13.3 添加数据 13.4 迁移学习：使用其他任务中的数据 13.5 机器学习项目的完整周期 13.6 公平、偏见与伦理 14.1 倾斜数据集的误差指标 14.2 精确率与召回率的权衡 15.1 决策树模型 15.2 学习过程 16.1 测量纯度 16.2 选择拆分信息增益 16.3 整合 16.4 使用分类特征的一种独热编码(One-Hot) 16.5 连续的有价值特征 16.6 回归树 (optional) 17.1 使用多个决策树 17.2 放回抽样 17.3 随机森林算法 17.4 XGBoost 17.5 什么时候使用决策树 1.1 欢迎来到第三部分 无监督学习、推荐系统和强化学习 2.1 什么是聚类 2.2 K-means的直观理解 2.3 K-means算法 2.4 优化目标 2.5 初始化K-means 2.6 选择聚类的个数 3.1 发现异常事件 3.2 高斯（正态）分布 3.3 异常检测算法 3.4 开发和评估异常检测系统 3.5 异常检测 vs. 监督学习 3.6 选择要使用的特征 4.1 提出建议 4.2 使用每项特征 4.3 协同过滤算法 4.4 Binary labels- favs, likes and c 5.1 均值归一化 5.2 协同过滤的TensorFlow实现 5.3 查找相关项目 6.1 协同过滤 vs. 基于内容的过滤 6.2 Deep learning for content-based 6.3 从大目录中推荐 6.4 推荐系统的道德使用 6.5 基于内容过滤的TensorFlow实现 7.1 什么是强化学习 7.2 火星探测器示例 7.3 The Return in reinforcement lear 7.4 强化学习中的决策与策略制定 7.5 回顾关键概念 8.1 状态动作值函数定义 8.2 状态动作值函数示例 8.3 Bellman方程 8.4 随机环境（可选） 9.1 连续状态空间应用示例 9.2 月球着陆器 9.3 学习状态值函数 9.4 算法优化-改进的神经网络结构 9.5 算法优化ϵ-贪婪策略 9.6 算法优化-小批量和软更新（可选） 9.7 强化学习的状态 10.1 总结与感谢
吴恩达机器学习的视频 (超爽中英!) 2025公认最好的【吴恩达机器学习】教程！附课件代码 Machine Learning Specialization （中英双语!）吴恩达最新《Agentic AI》大佬亲授智能体教程，附示例代码！_deeplearning.ai
