Machine Learning Specialization Coursera

机器学习专业 Coursera

包含 Andrew NG 在 Coursera 上提供的机器学习专业化解决方案和注释

注意：如果您想通过了解所需的所有数学知识来更深入地了解这些概念，请查看机器学习和数据科学数学

---

课程 1：监督机器学习：回归和分类

• 第一周

• 模型表示

• 成本函数

• 梯度下降

• 练习测验：回归

• 练习测验：监督学习与无监督学习

• 练习测验：使用梯度下降训练模型

• 可选实验室

• 第 2 周

• 线性回归

• Numpy 向量化

• 多变量回归

• 特征缩放

• 特征工程

• Sklearn 梯度下降

• Sklearn正态方法

• 练习测验：梯度下降实践

• 练习测验：多元线性回归

• 可选实验室

• 编程作业

• 第三周

• 逻辑回归

• 分类

• S 型函数

• 决策边界

• 物流损失

• 成本函数

• 梯度下降

• Scikit Learn - 逻辑回归

• 过拟合

• 正则化

• 练习测验：逻辑回归的成本函数

• 练习测验：逻辑回归的梯度下降

• 可选实验室

• 编程作业

结业证书

课程 2：高级学习算法

• 第一周

  
  

• 用于二元分类的神经网络

• 神经元和层

• 咖啡烘焙

• 使用 Numpy 烘焙咖啡

• 练习测验：神经网络直觉

• 练习测验：神经网络模型

• 练习测验：TensorFlow 实现

• 练习测验：Numpy 中的神经网络实现

• 可选实验室

• 编程作业

• 第 2 周

• 用于手写数字识别的神经网络 - 多类

• 雷卢

• 软最大

• 多类分类

• 练习测验：神经网络训练

• 练习测验：激活函数

• 练习测验：多类分类

• 练习测验：其他神经网络概念

• 可选实验室

• 编程作业

• 第三周

• 应用机器学习的建议

• 练习测验：应用机器学习的建议

• 练习测验：偏差和方差

• 练习测验：机器学习开发流程

• 编程作业

• 第 4 周

• 决策树

• 练习测验：决策树

• 练习测验：决策树学习

• 练习测验：决策树集成

• 编程作业

结业证书

课程 3：无监督学习、推荐器、强化学习

• 第一周

• K的意思是

• 异常检测

• 练习测验：聚类

• 练习测验：异常检测

• 编程作业

• 第 2 周

• 协同过滤 RecSys

• 使用神经网络的 RecSys

• 练习测验：协同过滤

• 练习测验：推荐系统的实现

• 练习测验：基于内容的过滤

• 编程作业

• 第三周

• 深度 Q 学习 - 月球着陆器

• 练习测验：强化学习介绍

• 练习测验：状态-动作价值函数

• 练习测验：连续状态空间

• 编程作业

结业证书

专业证书

随着时间的推移观星者

课程回顾：

本课程是成为机器学习工程师的最佳场所。即使您是专家，也会深入介绍许多算法，例如决策树，这可能有助于进一步提高技能。

特别感谢 Andrew Ng 教授构建和定制本课程。

---

了解本专业结束后您可能能够完成的任务：

• 使用 Deep Q-Learning 编写无监督学习算法来登陆月球着陆器

• 经过多次学习失败的尝试后，漫游者接受了正确着陆在表面、正确着陆在作为指示器的旗帜之间的训练。

• 使用适当的参数训练代理后的最终着陆：

月球着陆器.mp4

• 为电影推荐系统编写算法

• 电影数据库是根据其类型收集的。

• 训练基于内容的过滤和协同过滤算法并实现电影推荐系统。

• 它根据电影类型提供电影推荐。

• 还有更多！

最后，这是我推荐每个人都参加的课程。不仅因为你学到了很多新东西，而且作业都是现实生活中的例子，完成起来很令人兴奋。

快乐学习:))