Top AI Repos — open-source AI, indexed and scored
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
吴恩达机器学习coursera课程，学习代码(2017年秋) The Stanford Coursera course on MachineLearning with Andrew Ng
| Date | Stars |
|---|---|
| 2026-07-31 | 277 |
| 2026-08-01 | 277 |
| 2026-08-06 | 277 |
Today
— stars today
This week
— stars this week
This month
— stars this month
Momentum
0.0
growth rate 0.00%/day
# MeachineLearning_NG 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](https://github.com/HuangCongQing) . 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》](https://datawhalechina.github.io/pumpkin-book/#/)，大家可以多看看 #### [吴恩达老师的机器学习和深度学习课程笔记打印版](https://mp.weixin.qq.com/s/gc1_dbT7Mu4OepxbjfRYXg) 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。 ### 实现算法 * 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 ### 学习视频 * [[中英字幕]吴恩达机器学习系列课程](https://www.bilibili.com/video/BV164411b7dx?from=search&seid=10722758801561624673) ### 笔记 * [1吴恩达Meachine-Learing之监督学习和非监督学习](https://www.jianshu.com/p/626feb543816) * [2吴恩达Meachine-Learing之单变量线性回归(Linear-Regression-with-One-Variable)](https://www.jianshu.com/p/4b614d6d2406) * [3吴恩达Meachine-Learing之线性代数回顾-(Linear-Algebra-Review)](https://www.jianshu.com/p/163c0c64ea34) * [4吴恩达Meachine-Learing之多变量线性回归(Linear-Regression-with-Multiple-Variables)](https://www.jianshu.com/p/a51f06052772) ### Certificate  ### 开源许可证 License AGPLv3 >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](https://github.com/HuangCongQing/MachineLearning_Ng/blob/master/LICENSE) 此外，代码仅作学习matlab-机器学习所用，禁止私用，违者必究
Excerpt of 2,170 characters
Read on GitHubWould you bet a product on this? Bounded 0–100 and slow moving.
matched fp:dd9f5887aaccacb4, llm:Topics: ai, coursera, linear-regression, machine-learning, matlab; Description/README: implementations of Andrew Ng's Coursera Machine Learning course exercises (ex1..ex8), lecture notes and resources.
matched fp:dd9f5887aaccacb4, llm:Topics: ai, coursera, linear-regression, machine-learning, matlab; Description/README: implementations of Andrew Ng's Coursera Machine Learning course exercises (ex1..ex8), lecture notes and resources.