Machine Learning Specialization Coursera
1.0.0
包含 Andrew NG 在 Coursera 上提供的機器學習專業化解決方案和註釋
注意：如果您想透過了解所需的所有數學知識來更深入地了解這些概念，請查看機器學習和資料科學數學
第一周
模型表示
成本函數
梯度下降
練習測驗：迴歸
練習測驗：監督學習與無監督學習
練習測驗：使用梯度下降訓練模型
可選實驗室
第 2 週
線性迴歸
Numpy 向量化
多變量迴歸
特徵縮放
特徵工程
Sklearn 梯度下降
Sklearn常態方法
練習測驗：梯度下降實踐
練習測驗：多元線性迴歸
可選實驗室
程式設計作業
第三週
邏輯迴歸
分類
S 型函數
決策邊界
物流損失
成本函數
梯度下降
Scikit Learn - 邏輯回歸
過擬合
正規化
練習測驗：邏輯迴歸的成本函數
練習測驗：邏輯迴歸的梯度下降
可選實驗室
程式設計作業
第一周
用於二元分類的神經網絡
神經元和層
咖啡烘焙
使用 Numpy 烘焙咖啡
練習測驗：神經網路直覺
練習測驗：神經網路模型
練習測驗：TensorFlow 實現
練習測驗：Numpy 中的神經網路實現
可選實驗室
程式設計作業
第 2 週
用於手寫數字識別的神經網路 - 多類
雷盧
軟最大
多類分類
練習測驗：神經網路訓練
練習測驗：啟動函數
練習測驗：多類別分類
練習測驗：其他神經網路概念
可選實驗室
程式設計作業
第三週
應用機器學習的建議
練習測驗：應用機器學習的建議
練習測驗：偏差和方差
練習測驗：機器學習開發流程
程式設計作業
第 4 週
決策樹
練習測驗：決策樹
練習測驗：決策樹學習
練習測驗：決策樹集成
程式設計作業
第一周
K的意思是
異常檢測
練習測驗：聚類
練習測驗：異常檢測
程式設計作業
第 2 週
協同過濾 RecSys
使用神經網路的 RecSys
練習測驗：協同過濾
練習測驗：推薦系統的實現
練習測驗：基於內容的過濾
程式設計作業
第三週
深度 Q 學習 - 月球著陸器
練習測驗：強化學習介紹
練習測驗：狀態-動作價值函數
練習測驗：連續狀態空間
程式設計作業
本課程是成為機器學習工程師的最佳場所。即使您是專家，也會深入介紹許多演算法，例如決策樹，這可能有助於進一步提高技能。
特別感謝 Andrew Ng 教授建構和定製本課程。
使用 Deep Q-Learning 編寫無監督學習演算法來登陸月球登陸器
經過多次學習失敗的嘗試後，漫遊者接受了正確著陸在表面、正確著陸在作為指示器的旗幟之間的訓練。
使用適當的參數訓練代理後的最終著陸：
為電影推薦系統編寫演算法
電影資料庫是根據其類型收集的。
訓練基於內容的過濾和協同過濾演算法並實現電影推薦系統。
它根據電影類型提供電影推薦。
還有更多！
最後，這是我推薦每個人都參加的課程。不僅因為你學到了很多新東西，而且作業都是現實生活中的例子，完成起來很令人興奮。
快樂學習:))
