吴恩达DL笔记

这个课程啥也没讲，就用一个最简单的例子引出神经网络。下图所示ReLu激活函数，全称是rectified linear unit，后面还会出现一个其他的激活函数。

吴恩达团队新作！

基于此，斯坦福吴恩达团队的最新研究——ManyICL，主要评估了目前最先进的多模态基础模型在从少样本 (少于 100) 到多样本（最高至 2000）上下文学习中的表现。 总的来说，吴恩达团队的这项研究为多模态基础模型的应用开辟了新的路径，特别是在快速适应新任务和领域方面。

吴恩达机器学习IV

吴恩达机器学习IV 于2020年11月15日2020年11月15日由Sukuna发布 这一周只需要对两个函数进行更改就行了 第一题:实现神经网络的前后传播 function [J grad] = nnCostFunction

吴恩达笔记6_关于机器学习的建议

吴恩达机器学习-6-机器学习的建议 本文中记录的是吴恩达老师对机器学习的建议，包含： 应用机器学习的建议 评估假设 模型选择和交叉验证 方差和偏差诊断 正则化与过拟合问题 应用机器学习的建议 当我们运用训练好了的模型来预测未知数据的时候发现有较大的误差

吴恩达：告别，大数据

吴恩达：十年前，当我发起 Google Brain 项目，并使用 Google的计算基础设施构建“大”神经网络的时候，引起了很多争议。 吴恩达：我想是的。 在过去一年，我一直在讨论以数据为中心的AI，我遇到了和10年前一样的评价：“没有新意”，“这是个错误的方向”。 吴恩达：使用50张图片训练什么样的模型？是微调大模型，还是全新的模型？ 吴恩达：让我讲一下Landing AI的工作。 吴恩达：很有可能。有很多研究人员已经指出，有偏差的数据是导致系统出现偏差的众多因素之一。其实，在设计数据方面也已经有了很多努力。 吴恩达：并非如此。比方说，智能手机上有许多不同类型的缺陷，如果要检测智能手机外壳的缺陷，那可能会是划痕、凹痕、坑痕、材料变色或者其它类型的瑕疵。

吴恩达，新冠阳性

金磊 发自 凹非寺 量子位 | 公众号 QbitAI 就在刚刚，AI大牛吴恩达发布推文： 我的新冠病毒检测呈阳性。 吴恩达称其目前的症状类似于轻微流感，而且他此前是已经打过疫苗的，否则情况会更加糟糕。 除此之外，他还对防疫工作者表示了感谢。 AI大牛吴恩达 吴恩达（Andrew Ng）是斯坦福大学计算机科学系和电子工程系教授。 也是谷歌大脑的联合创始人和主管，曾担任过百度首席科学家。 而吴恩达最“家喻户晓”的工作，是通过他开发的神经网络，仅是看了一周的油管视频，便自主学会识别哪些是关于猫的视频。 这个案例可以说是为人工智能领域翻开崭新一页。 …… 最后，也正如许多网友在吴恩达推文下的留言，希望能够早日康复。

吴恩达被diss了

夏乙 岳排槐 发自 凹非寺 量子位 出品 | 公众号 QbitAI 吴恩达团队可能没想到突然被diss。 吴恩达Twitter一发，说得好像这个问题已经解决了一样，可是他们只找了4名放射科医师，略微超过了他们的平均成绩。 生物学家、医生、以及吴恩达的半个机器学习同行们对这条Twitter的不满，很大程度上也是因为吴恩达老师的学术地位和影响力。 与当年的洋洋洒洒、雷霆万钧相比，他这次对吴恩达的批评，应该算是“三和一少”的态度了。 而说马库斯，马库斯就到。 刚刚马库斯也出手参与了一下这件事，他又在Twitter上开炮： “过度炒作可能已经成了吴恩达的习惯，在影像诊断上，在汽车上，更普遍地说在AI上都是这样。” 关于未来 其实，放狠话的不仅仅是吴恩达。

吴恩达机器学习笔记

通常有两种原因，一是因为特征冗余，例如输入的两组数据线相关，可删除其中一个；二是特征太多（m≤n），可删除一些特征 Lecture 6 6 逻辑回归分类器 如果使用线性回归进行分类，将数值≥0.5的预测映射为

吴恩达 prompt 课程笔记

吴恩达 prompt 课程笔记 1. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 text = f""" You should express what you want 1 2 3 4 5 6 7 8 prompt = f""" Generate a list of three made-up book titles along \ with their authors 根据提供的文字是否能提取出步骤，如果能提取，按照格式输出步骤，不能则输出”无步骤提供“ 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 text = f""" In

吴恩达机器学习II

吴恩达机器学习II 于2020年10月26日2020年10月26日由Sukuna发布 注意:X是一个 的矩阵,矩阵的第一列都是1!

吴恩达机器学习I

吴恩达机器学习I 于2020年10月20日2020年10月20日由Sukuna发布 第一题:WarmUp 让我们写一个函数返回一个单位阵 这真没啥好说的 function A = warmUpExercise % Save the cost J in every iteration J_history(iter) = computeCost(X, y, theta); end end 吴恩达给的代码里面出现了迭代

吴恩达机器学习III

吴恩达机器学习III 于2020年11月2日2020年11月2日由Sukuna发布 第一部分:多分类 X:是一个 维的矩阵,里面存的是m组数据集 第一题: 正则化的逻辑回归表达式 function [

吴恩达：机器学习的6个核心算法

最近，吴恩达在其创办的人工智能周讯《The Batch》上更新了一篇博文，总结介绍了机器学习领域6个核心算法，分别是：线性回归、逻辑回归、梯度下降、神经网络、决策树与k均值聚类算法。 下面我们来具体了解下~ 文章开头，吴恩达回忆他的研究历程中曾有一次抉择： 多年前，在一次项目中，选择算法时，他不得不在神经网络与决策树学习算法之间做选择。 吴恩达谈道。 他由此感叹，不断学习与更新基础知识是十分重要的。与其他技术领域一样，随着研究人员的增加、研究成果数量的增长，机器学习领域也在不断发展。 但有些基础算法与核心思想的贡献是经得起时间考验的： 算法：线性和逻辑回归、决策树等 概念：正则化、优化损失函数、偏差/方差等 在吴恩达看来，这些算法与概念是许多机器学习模型的核心思想，包括房价预测器、文本 在最新的这篇文章中，吴恩达与团队调研了六种基础算法的来源、用途、演变等，并提供了较为详细的讲解。 1 线性回归：直的&窄的 线性回归是机器学习中的一个关键的统计方法，但它并非不战而胜。

吴恩达机器学习笔记6-模型描述Model Representation

经过5次视频讲解的铺垫，终于进入正轨。这次视频讲解机器学习问题的建模表示，主要包括2个方面的内容：

吴恩达机器学习 - 正规函数

吴恩达机器学习笔记-4

偏斜类（skewed classes）问题，表现为训练集中有非常多的同一种类的实例，只有很少或没有其他类的实例。

吴恩达《 提示工程》学习笔记

吴恩达的《ChatGPT 提示工程》课程主要是分享使用大语言模型API来构建应用程序的一些可行性，以及如何构建的最佳实践。

吴恩达笔记8-KMeans

吴恩达机器学习-8-聚类和降维 本周的主要知识点是无监督学习中的两个重点：聚类和降维。 K-means算法过程 吴恩达视频的中的伪代码为 repeat { for i= to m # 计算每个样例属于的类 c(i) := index (from 1 to K) of cluster

吴恩达机器学习笔记-5

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37

吴恩达机器学习笔记-2

代价函数 逻辑回归的代价函数为： image.png 其中: image.png 代入代价函数: image.png 逻辑回归代价函数的Python代码实现： 1 2 3 4 5 6 7 8 又称为正则化参数（Regularization Parameter） 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 import numpy as np def mseWithRegular 给代价函数增加一个正则化的表达式，得到代价函数: image.png 代码实现: 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 import numpy as np def