名师讲座课程简介：
【吴恩达】机器学习经典名课
教程介绍 本课程将广泛介绍机器学习、数据挖掘和统计模式识别等内容，同时还引用了许多机器学习案例，让你学会在智能机器人（感知和控制）、文本理解（网络搜索和垃圾邮件过滤）、计算机视觉、医学信息学、音频、数据库挖掘等领域应用机器学 课程目录：
│
├─章节1 初识机器学习
│ 01欢迎参加《机器学习》课程.mp4
│ 02什么是机器学习.mp4
│ 03监督学习.mp4
│ 04无监督学习.mp4
│
├─章节10 神经网络参数的反向传播算法
│ 61代价函数.mp4
│ 62反向传播算法.mp4
│ 63理解反向传播.mp4
│ 64使用注意：展开函数.mp4
│ 65梯度检测.mp4
│ 66随机初始化.mp4
│ 67组合到一起.mp4
│ 68无人驾驶.mp4
│
├─章节11 应用机器学习的建议
│ 69决定下一步做什么 – 副本.mp4
│ 69决定下一步做什么.mp4
│ 70评估假设 – 副本.mp4
│ 70评估假设.mp4
│ 71模型选择和训练、验证、测试集.mp4
│ 72诊断偏差与方差.mp4
│ 73正则化和偏差、方程.mp4
│ 74学习曲线 – 副本.mp4
│ 74学习曲线.mp4
│
├─章节12 机器学习系统设计
│ 75决定接下来做什么.mp4
│ 76确定执行的优先级.mp4
│ 77误差分析.mp4
│ 78不对称性分类的误差评估.mp4
│ 79精确度和召回率的权衡.mp4
│ 80机器学习数据.mp4
│
├─章节13 支持向量机
│ 81优化目标.mp4
│ 82直观上对大间隔的理解.mp4
│ 83大间隔分类器的数学原理.mp4
│ 84核函数.mp4
│ 85核函数2.mp4
│ 86使用SVM.mp4
│
├─章节2 单变量线性回归
│ 06模型描述.mp4
│ 07代价函数.mp4
│ 08代价函数（一）.mp4
│ 09代价函数（二）.mp4
│ 10梯度下降.mp4
│ 11梯度下降知识点总结.mp4
│ 12线性回归的梯度下降.mp4
│
├─章节3 线性回归回顾
│ 14矩阵和向量.mp4
│ 15加法和标量乘法.mp4
│ 16矩阵向量乘法.mp4
│ 17矩阵乘法.mp4
│ 18矩阵乘法特征.mp4
│ 19逆和转置.mp4
│
├─章节4 配置
│ 配置.txt
│
├─章节5 多变量线性回归
│ 27多功能.mp4
│ 28多元梯度下降法.mp4
│ 29多元梯度下降法演练I-特征缩放.mp4
│ 30多元梯度下降法II-学习率.mp4
│ 31特征和多项式回归.mp4
│ 32正规方程（区别于迭代方法的直接解法）.mp4
│ 33正规方程在矩阵不可逆情况下的解决方法.mp4
│ 34完成并提交编程作业.mp4
│
├─章节6 Octave Matlab教程
│ 35基本操作.mp4
│ 36移动数据.mp4
│ 37计算数据.mp4
│ 38数据绘制.mp4
│ 39控制语句：for,while,if语句.mp4
│ 40矢量.mp4
│
├─章节7 Logistic回归
│ 42分类.mp4
│ 43假设陈述.mp4
│ 44决策界限.mp4
│ 45代价函数.mp4
│ 46简化代价函数与梯度下降.mp4
│ 47高级优化.mp4
│ 48多元分类：一对多.mp4
│
├─章节8 正则化
│ 50过拟合问题.mp4
│ 51代价函数.mp4
│ 52线性回归的正则化.mp4
│ 53Logistic回归的正则化.mp4
│
└─章节9 神经网络学习
54非线性假设.mp4
55神经元与大脑.mp4
56模型展示I.mp4
57模型展示II.mp4
58例子与直觉理解I.mp4
59例子与直觉理解II.mp4
60多元分类.mp4
