课程优势

点我咨询困惑

学习大纲

  • 第一周

    1.了解机器学习基本概念
    2.单变量线性回归
    3.作业:配置环境、开学习博客和github
    4.入门比赛:“达观杯”NLP算法大赛
  • 第二周

    1. 线性代数回顾
    2.多变量线性回归
    3.作业:线性回归、多远线性回归
    4.入门比赛:“达观杯”NLP算法大赛(其他算法进阶应用)
  • 第三周

    1.Octave教程(Octave Tutorial 选修)
    2.逻辑回归
    3.作业:逻辑回归、带有正则项的逻辑回归
  • 第四周

    1.正则化
    2.神经网络
    3.作业:多元分类、神经网络预测函数
  • 第五周

    1.神经网络的学习(Learning1)
    2.神经网络的学习(Learning2)
    3.作业:神经网络实现
  • 第六周

    1.应用机器学习的建议
    2.机器学习系统的设计
    3.作业:正则线性回归、偏移和方差
    4.Kaggle比赛:预测泰坦尼克号幸存乘客(报名指导)
  • 第七周

    1.支持向量机
    2.聚类
    3.作业:SVM实现、垃圾邮件分类
    4.Kaggle比赛:预测泰坦尼克号幸存乘客(入门指导)
  • 第八周

    1.降维
    2.异常检测
    3.作业:K-means 聚类算法 、PCA 主成分析
    4.Kaggle比赛:预测泰坦尼克号幸存乘客(进阶指导)
  • 第九周

    1.推荐系统
    2.大规模机器学习
    3.作业:异常检测
  • 第十周

    1.应用实例:图片文字识别1
    2.应用实例:图片文字识别2
    3.作业:推荐系统实现
    4.期末总结
    5.比赛复盘

吴恩达机器学习2-1.jpg






吴恩达机器学习2-2.jpg


西瓜书2-3.jpg





吴恩达机器学习2-4.jpg









吴恩达机器学习3-1.jpg

西瓜书3-2.jpg








西瓜书3-3.jpg









西瓜书4-1.jpg









吴恩达机器学习4-2.jpg







吴恩达机器学习5-1.jpg





吴恩达机器学习5-2.jpg