2024吴恩达资料|吴恩达深度学习及资料

2024吴恩达资料
吴恩达深度学习及资料
吴恩达机器学习训练书籍
吴恩达大模型
A最新版 吴恩达机器学习Deeplearning.ai
AI Python for Beginners
2014版 吴恩达机器学习全套资料
大模型开发手册.pdf
吴恩达深度学习课程Deeplearning.ai
99. 2.4 在不同的划分上进行训练并测试.mp4
98. 2.3 快速搭建你的第一个系统并进行迭代.mp4
97. 2.2 清除标注错误的数据.mp4
96. 2.1 进行误差分析.mp4
95. 1.12 改善你的模型的表现.mp4
94. 1.11 超过人的表现.mp4
93. 1.10 理解人的表现.mp4
92. 1.9 可避免偏差.mp4
91. 1.8 为什么是人的表现.mp4
90. 1.7 什么时候该改变开发测试集和指标.mp4
9. 2.3 logistic 回归损失函数.mp4
89. 1.6 开发集合测试集的大小.mp4
88. 1.5 训练开发测试集划分.mp4
87. 1.4 满足和优化指标.mp4
86. 1.3 单一数字评估指标.mp4
85. 1.2 正交化.mp4
84. 1.1 为什么是 ML 策略.mp4
83. 2. 吴恩达采访 林元庆.mp4
82. 1. 吴恩达采访 Yoshua Bengio.mp4
81. 3.11 TensorFlow.mp4
80. 3.10 深度学习框架.mp4
8. 2.2 logistic 回归.mp4
79. 3.9 训练一个 Softmax 分类器.mp4
78. 3.8 Softmax 回归.mp4
77. 3.7 测试时的 Batch Norm.mp4
76. 3.6 Batch Norm 为什么奏效？.mp4
75. 3.5 将 Batch Norm 拟合进神经网络.mp4
74. 3.4 正则化网络的激活函数.mp4
73. 3.3 超参数训练的实践Pandas VS Caviar.mp4
72. 3.2 为超参数选择合适的范围.mp4
71. 3.1 调试处理.mp4
70. 2.10 局部最优的问题.mp4
7. 2.1 二分分类.mp4
69. 2.9 学习率衰减.mp4
68. 2.8 Adam 优化算法.mp4
67. 2.7 RMSprop.mp4
66. 2.6 动量梯度下降法.mp4
65. 2.5 指数加权平均的偏差修正.mp4
64. 2.4 理解指数加权平均.mp4
63. 2.3 指数加权平均.mp4
62. 2.2 理解 mini-batch 梯度下降法.mp4
61. 2.1 Mini-batch 梯度下降法.mp4
60. 1.14 关于梯度检验实现的注记.mp4
6. 1.6 课程资源.mp4
59. 1.13 梯度检验.mp4
58. 1.12 梯度的数值逼近.mp4
57. 1.11 神经网络的权重初始化.mp4
56. 1.10 梯度消失与梯度爆炸.mp4
55. 1.9 归一化输入.mp4
54. 1.8 其他正则化方法.mp4
53. 1.7 理解 Dropout.mp4
52. 1.6 Dropout 正则化.mp4
51. 1.5 为什么正则化可以减少过拟合？.mp4
50. 1.4 正则化.mp4
5. 1.5 关于这门课.mp4
49. 1.3 机器学习基础.mp4
48. 1.2 偏差方差.mp4
47. 1.1 训练开发测试集.mp4
46. 3. 吴恩达采访 Ian Goodfellow.mp4
45. 2. 吴恩达采访 Pieter Abbeel.mp4
44. 1. 吴恩达采访 Geoffrey Hinton.mp4
43. 4.8 这和大脑有什么关系？.mp4
42. 4.7 参数 VS 超参数.mp4
41. 4.6 搭建深层神经网络块.mp4
40. 4.5 为什么使用深层表示.mp4
4. 1.4 为什么深度学习会兴起？.mp4
39. 4.4 核对矩阵的维数.mp4
38. 4.3 深层网络中的前向传播.mp4
37. 4.2 前向和反向传播.mp4
36. 4.1 深层神经网络.mp4
35. 3.11 随机初始化.mp4
34. 3.10 选修直观理解反向传播.mp4
33. 3.9 神经网络的梯度下降法.mp4
32. 3.8 激活函数的导数.mp4
31. 3.7 为什么需要非线性激活函数？.mp4
30. 3.6 激活函数.mp4
3. 1.3 用神经网络进行监督学习.mp4
29. 3.5 向量化实现的解释.mp4
28. 3.4 多个样本的向量化.mp4
27. 3.3 计算神经网络的输出.mp4
26. 3.2 神经网络表示.mp4
25. 3.1 神经网络概览.mp4
24. 2.18 选修logistic 损失函数的解释.mp4
23. 2.17 Jupyter  ipython 笔记本的快速指南.mp4
22. 2.16 关于 python  numpy 向量的说明.mp4
21. 2.15 Python 中的广播.mp4
20. 2.14 向量化 logistic 回归的梯度输出.mp4
2. 1.2 什么是神经网络.mp4
19. 2.13 向量化 logistic 回归.mp4
183. 3.11 结论和致谢.mp4
182. 3.10 触发字检测.mp4
181. 3.9 语音辨识.mp4
180. 3.8 注意力模型.mp4
18. 2.12 向量化的更多例子.mp4
179. 3.7 注意力模型直观理解.mp4
178. 3.6 Bleu 得分选修.mp4
177. 3.5 定向搜索的误差分析.mp4
176. 3.4 改进定向搜索.mp4
175. 3.3 定向搜索.mp4
吴恩达深度学习作业.zip
深度学习作业quiz-已完成.pdf
深度学习作业quiz-空白.pdf
Deeplearning深度学习笔记v5.6.pdf