第1周
一、 引言(Introduction)
1.1 欢迎
参考视频: 1 - 1 - Welcome (7 min).mkv
1.2 机器学习是什么?
参考视频: 1 - 2 - What is Machine Learning_ (7 min).mkv
1.3 监督学习
参考视频: 1 - 3 - Supervised Learning (12 min).mkv
1.4 无监督学习
参考视频: 1 - 4 - Unsupervised Learning (14 min).mkv
二、单变量线性回归(Linear Regression with One Variable)
2.1 模型表示
参考视频: 2 - 1 - Model Representation (8 min).mkv
2.2 代价函数
参考视频: 2 - 2 - Cost Function (8 min).mkv
2.3 代价函数的直观理解I
参考视频: 2 - 3 - Cost Function - Intuition I (11 min).mkv
2.4 代价函数的直观理解II
参考视频: 2 - 4 - Cost Function - Intuition II (9 min).mkv
2.5 梯度下降
参考视频: 2 - 5 - Gradient Descent (11 min).mkv
2.6 梯度下降的直观理解
参考视频: 2 - 6 - Gradient Descent Intuition (12 min).mkv
2.7 梯度下降的线性回归
参考视频: 2 - 7 - GradientDescentForLinearRegression (6 min).mkv
2.8 接下来的内容
参考视频: 2 - 8 - What_'s Next (6 min).mkv
三、线性代数回顾(Linear Algebra Review)
3.1 矩阵和向量
参考视频: 3 - 1 - Matrices and Vectors (9 min).mkv
3.2 加法和标量乘法
参考视频: 3 - 2 - Addition and Scalar Multiplication (7 min).mkv
3.3 矩阵向量乘法
参考视频: 3 - 3 - Matrix Vector Multiplication (14 min).mkv
3.4 矩阵乘法
参考视频: 3 - 4 - Matrix Matrix Multiplication (11 min).mkv
3.5 矩阵乘法的性质
参考视频: 3 - 5 - Matrix Multiplication Properties (9 min).mkv
3.6 逆、转置
参考视频: 3 - 6 - Inverse and Transpose (11 min).mkv
第2周
四、多变量线性回归(Linear Regression with Multiple Variables)
4.1 多维特征
参考视频: 4 - 1 - Multiple Features (8 min).mkv
4.2 多变量梯度下降
参考视频: 4 - 2 - Gradient Descent for Multiple Variables (5 min).mkv
4.3 梯度下降法实践1-特征缩放
参考视频: 4 - 3 - Gradient Descent in Practice I - Feature Scaling (9 min).mkv
4.4 梯度下降法实践2-学习率
参考视频: 4 - 4 - Gradient Descent in Practice II - Learning Rate (9 min).mkv
4.5 特征和多项式回归
参考视频: 4 - 5 - Features and Polynomial Regression (8 min).mkv
4.6 正规方程
参考视频: 4 - 6 - Normal Equation (16 min).mkv
4.7 正规方程及不可逆性(选修)
参考视频: 4 - 7 - Normal Equation Noninvertibility (Optional) (6 min).mkv
五、Octave教程(Octave Tutorial)
5.1 基本操作
参考视频: 5 - 1 - Basic Operations (14 min).mkv
5.2 移动数据
参考视频: 5 - 2 - Moving Data Around (16 min).mkv
5.3 计算数据
参考视频: 5 - 3 - Computing on Data (13 min).mkv
5.4 绘图数据
参考视频: 5 - 4 - Plotting Data (10 min).mkv
5.5 控制语句:for,while,if语句
参考视频: 5 - 5 - Control Statements_ for, while, if statements (13 min).mkv
5.6 向量化
参考视频: 5 - 6 - Vectorization (14 min).mkv
5.7 工作和提交的编程练习
参考视频: 5 - 7 - Working on and Submitting Programming Exercises (4 min).mkv
第3周
六、逻辑回归(Logistic Regression)
6.1 分类问题
参考文档: 6 - 1 - Classification (8 min).mkv
6.2 假说表示
参考视频: 6 - 2 - Hypothesis Representation (7 min).mkv
6.3 判定边界
参考视频: 6 - 3 - Decision Boundary (15 min).mkv
6.4 代价函数
参考视频: 6 - 4 - Cost Function (11 min).mkv
6.5 简化的成本函数和梯度下降
参考视频: 6 - 5 - Simplified Cost Function and Gradient Descent (10 min).mkv
6.6 高级优化
参考视频: 6 - 6 - Advanced Optimization (14 min).mkv
6.7 多类别分类:一对多
参考视频: 6 - 7 - Multiclass Classification_ One-vs-all (6 min).mkv
七、正则化(Regularization)
7.1 过拟合的问题
参考视频: 7 - 1 - The Problem of Overfitting (10 min).mkv
7.2 代价函数
参考视频: 7 - 2 - Cost Function (10 min).mkv
7.3 正则化线性回归
参考视频: 7 - 3 - Regularized Linear Regression (11 min).mkv
7.4 正则化的逻辑回归模型
参考视频: 7 - 4 - Regularized Logistic Regression (9 min).mkv
第4周
第八、神经网络:表述(Neural Networks: Representation)
8.1 非线性假设
参考视频: 8 - 1 - Non-linear Hypotheses (10 min).mkv
8.2 神经元和大脑
参考视频: 8 - 2 - Neurons and the Brain (8 min).mkv
8.3 模型表示1
参考视频: 8 - 3 - Model Representation I (12 min).mkv
8.4 模型表示2
参考视频: 8 - 4 - Model Representation II (12 min).mkv
8.5 样本和直观理解1
参考视频: 8 - 5 - Examples and Intuitions I (7 min).mkv
8.6 样本和直观理解II
参考视频: 8 - 6 - Examples and Intuitions II (10 min).mkv
8.7 多类分类
参考视频: 8 - 7 - Multiclass Classification (4 min).mkv
第5周
九、神经网络的学习(Neural Networks: Learning)
9.1 代价函数
参考视频: 9 - 1 - Cost Function (7 min).mkv
9.2 反向传播算法
参考视频: 9 - 2 - Backpropagation Algorithm (12 min).mkv
9.3 反向传播算法的直观理解
参考视频: 9 - 3 - Backpropagation Intuition (13 min).mkv
9.4 实现注意:展开参数
参考视频: 9 - 4 - Implementation Note_ Unrolling Parameters (8 min).mkv
9.5 梯度检验
参考视频: 9 - 5 - Gradient Checking (12 min).mkv
9.6 随机初始化
参考视频: 9 - 6 - Random Initialization (7 min).mkv
9.7 综合起来
参考视频: 9 - 7 - Putting It Together (14 min).mkv
9.8 自主驾驶
参考视频: 9 - 8 - Autonomous Driving (7 min).mkv
第6周
十、应用机器学习的建议(Advice for Applying Machine Learning)
10.1 决定下一步做什么
参考视频: 10 - 1 - Deciding What to Try Next (6 min).mkv
10.2 评估一个假设
参考视频: 10 - 2 - Evaluating a Hypothesis (8 min).mkv
10.3 模型选择和交叉验证集
参考视频: 10 - 3 - Model Selection and Train_Validation_Test Sets (12 min).mkv
10.4 诊断偏差和方差
参考视频: 10 - 4 - Diagnosing Bias vs. Variance (8 min).mkv
10.5 正则化和偏差/方差
参考视频: 10 - 5 - Regularization and Bias_Variance (11 min).mkv
10.6 学习曲线
参考视频: 10 - 6 - Learning Curves (12 min).mkv
10.7 决定下一步做什么
参考视频: 10 - 7 - Deciding What to Do Next Revisited (7 min).mkv
十一、机器学习系统的设计(Machine Learning System Design)
11.1 首先要做什么
参考视频: 11 - 1 - Prioritizing What to Work On (10 min).mkv
11.2 误差分析
参考视频: 11 - 2 - Error Analysis (13 min).mkv
11.3 类偏斜的误差度量
参考视频: 11 - 3 - Error Metrics for Skewed Classes (12 min).mkv
11.4 查准率和查全率之间的权衡
参考视频: 11 - 4 - Trading Off Precision and Recall (14 min).mkv
11.5 机器学习的数据
参考视频: 11 - 5 - Data For Machine Learning (11 min).mkv
第7周
十二、支持向量机(Support Vector Machines)
12.1 优化目标
参考视频: 12 - 1 - Optimization Objective (15 min).mkv
12.2 大边界的直观理解
参考视频: 12 - 2 - Large Margin Intuition (11 min).mkv
12.3 数学背后的大边界分类(选修)
参考视频: 12 - 3 - Mathematics Behind Large Margin Classification (Optional) (20 min).mkv
12.4 核函数1
参考视频: 12 - 4 - Kernels I (16 min).mkv
12.5 核函数2
参考视频: 12 - 5 - Kernels II (16 min).mkv
12.6 使用支持向量机
参考视频: 12 - 6 - Using An SVM (21 min).mkv
第8周
十三、聚类(Clustering)
13.1 无监督学习:简介
参考视频: 13 - 1 - Unsupervised Learning_ Introduction (3 min).mkv
13.2 K-均值算法
参考视频: 13 - 2 - K-Means Algorithm (13 min).mkv
13.3 优化目标
参考视频: 13 - 3 - Optimization Objective (7 min).mkv
13.4 随机初始化
参考视频: 13 - 4 - Random Initialization (8 min).mkv
13.5 选择聚类数
十四、降维(Dimensionality Reduction)
14.1 动机一:数据压缩
参考视频: 14 - 1 - Motivation I_ Data Compression (10 min).mkv
14.2 动机二:数据可视化
参考视频: 14 - 2 - Motivation II_ Visualization (6 min).mkv
14.3 主成分分析问题
参考视频: 14 - 3 - Principal Component Analysis Problem Formulation (9 min). mkv
14.4 主成分分析算法
参考视频: 14 - 4 - Principal Component Analysis Algorithm (15 min).mkv
14.5 选择主成分的数量
参考视频: 14 - 5 - Choosing The Number Of Principal Components (13 min).mkv
14.6 重建的压缩表示
参考视频: 14 - 6 - Reconstruction from Compressed Representation (4 min).mkv
14.7 主成分分析法的应用建议
参考视频: 14 - 7 - Advice for Applying PCA (13 min).mkv
第9周
十五、异常检测(Anomaly Detection)
15.1 问题的动机
参考文档: 15 - 1 - Problem Motivation (8 min).mkv
15.2 高斯分布
参考视频: 15 - 2 - Gaussian Distribution (10 min).mkv
15.3 算法
参考视频: 15 - 3 - Algorithm (12 min).mkv
15.4 开发和评价一个异常检测系统
参考视频: 15 - 4 - Developing and Evaluating an Anomaly Detection System (13 min). mkv
15.5 异常检测与监督学习对比
参考视频: 15 - 5 - Anomaly Detection vs. Supervised Learning (8 min).mkv
15.6 选择特征
参考视频: 15 - 6 - Choosing What Features to Use (12 min).mkv
15.7 多元高斯分布(选修)
参考视频: 15 - 7 - Multivariate Gaussian Distribution (Optional) (14 min).mkv
15.8 使用多元高斯分布进行异常检测(选修)
参考视频: 15 - 8 - Anomaly Detection using the Multivariate Gaussian Distribution (Optional) (14 min).mkv
十六、推荐系统(Recommender Systems)
16.1 问题形式化
参考视频: 16 - 1 - Problem Formulation (8 min).mkv
16.2 基于内容的推荐系统
参考视频: 16 - 2 - Content Based Recommendations (15 min).mkv
16.3 协同过滤
参考视频: 16 - 3 - Collaborative Filtering (10 min).mkv
16.4 协同过滤算法
参考视频: 16 - 4 - Collaborative Filtering Algorithm (9 min).mkv
16.5 向量化:低秩矩阵分解
参考视频: 16 - 5 - Vectorization_ Low Rank Matrix Factorization (8 min).mkv
16.6 推行工作上的细节:均值归一化
参考视频: 16 - 6 - Implementational Detail_ Mean Normalization (9 min).mkv
第10周
十七、大规模机器学习(Large Scale Machine Learning)
17.1 大型数据集的学习
参考视频: 17 - 1 - Learning With Large Datasets (6 min).mkv
17.2 随机梯度下降法
参考视频: 17 - 2 - Stochastic Gradient Descent (13 min).mkv
17.3 小批量梯度下降
参考视频: 17 - 3 - Mini-Batch Gradient Descent (6 min).mkv
17.4 随机梯度下降收敛
参考视频: 17 - 4 - Stochastic Gradient Descent Convergence (12 min). mkv
17.5 在线学习
参考视频: 17 - 5 - Online Learning (13 min).mkv
17.6 映射化简和数据并行
参考视频: 17 - 6 - Map Reduce and Data Parallelism (14 min).mkv
十八、应用实例:图片文字识别(Application Example: Photo OCR)
18.1 问题描述和流程图
参考视频: 18 - 1 - Problem Description and Pipeline (7 min).mkv
18.2 滑动窗口
参考视频: 18 - 2 - Sliding Windows (15 min).mkv
18.3 获取大量数据和人工数据
参考视频: 18 - 3 - Getting Lots of Data and Artificial Data (16 min).mkv
18.4 上限分析:哪部分管道的接下去做
参考视频: 18 - 4 - Ceiling Analysis_ What Part of the Pipeline to Work on Next (14 min).mkv
十九、总结(Conclusion)
19.1 总结和致谢
参考视频: 19 - 1 - Summary and Thank You (5 min).mkv
附件
1 常用的数学公式
一元函数微分学
(一) 随机事件和概率
(二) 随机变量及其概率分布
(三) 多维随机变量及其分布
(四) 随机变量的数字特征
(五) 大数定律和中心极限定理
(六) 数理统计的基本概念
(七) 参数估计
(八) 假设检验