吴恩达机器学习coursera课程
欢迎大家'star',学习交流
Fork或借鉴请注明出处 @ChungKing . Th
- 学习机器学习，《西瓜书》讲得最系统，对于里面的推导过程有些不详细，，已经有一些热心的小伙伴开源了《南瓜书》，大家可以多看看
课程地址：https://www.coursera.org/course/ml
Machine Learning(机器学习)是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演译。在过去的十年中，机器学习帮助我们自动驾驶汽车，有效的语音识别，有效的网络搜索，并极大地提高了人类基因组的认识。机器学习是当今非常普遍，你可能会使用这一天几十倍而不自知。很多研究者也认为这是最好的人工智能的取得方式。在本课中，您将学习最有效的机器学习技术，并获得实践，让它们为自己的工作。更重要的是，你会不仅得到理论基础的学习，而且获得那些需要快速和强大的应用技术解决问题的实用技术。最后，你会学到一些硅谷利用机器学习和人工智能的最佳实践创新。
本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括：
（一）监督学习（参数/非参数算法，支持向量机，核函数，神经网络）。
（二）无监督学习（聚类，降维，推荐系统，深入学习推荐）。
（三）在机器学习的最佳实践（偏差/方差理论；在机器学习和人工智能创新过程）。本课程还将使用大量的案例研究，您还将学习如何运用学习算法构建智能机器人（感知，控制），文本的理解（Web搜索，反垃圾邮件），计算机视觉，医疗信息，音频，数据挖掘，和其他领域。
本课程需要10周共18节课，相对以前的机器学习视频，这个视频更加清晰，而且每课都有ppt课件，推荐学习。
- ex1-linear regression
- ex2-logistic regression
- ex3-neural network
- ex4-NN back propagation
- ex5-bias vs variance
- ex6-SVM
- ex7-kmeans and PCA
- ex8-anomaly detection and recommendation
- 1吴恩达Meachine-Learing之监督学习和非监督学习
- 2吴恩达Meachine-Learing之单变量线性回归(Linear-Regression-with-One-Variable)
- 3吴恩达Meachine-Learing之线性代数回顾-(Linear-Algebra-Review)
- 4吴恩达Meachine-Learing之多变量线性回归(Linear-Regression-with-Multiple-Variables)
开源是一种精神，MachineLearning_Ng的开源更是人的一种进步
开源是自由的，而不是免费的。Free(自由) is not free(免费) 请认真阅读并遵守以下开源协议
AGPLv3 GNU Affero General Public License v3.0
此外，代码仅作学习matlab-机器学习所用，禁止私用，违者必究