黄海广针对吴恩达老师深度学习课程(deeplearning.ai) 视频做的笔记；黄海广针对吴恩达老师深度学习课程(deeplearning.ai) 视频做的笔记；黄海广针对吴恩达老师深度学习课程(deeplearning.ai) 视频做的笔记

这些课程专为已有一定基础（基本的编程知识，熟悉Python、对机器学习有基本了解），想要尝试进入人工智能领域的计算机专业人士准备。介绍显示：“深度学习是科技业最热门的技能之一，本课程将帮你掌握深度学习。

神经网络图解机器学习.pdf吴恩达深度学习笔记v5.44 图解机器学习 ,（日）杉山将著 ,P226 sample

该资源是吴恩达教授深度学习视频的配套笔记，全中文，简单实用，适合机器学习0基础爱好者进一步理解深度学习概念和实现方式等

吴恩达深度学习笔记，带标签，700页+详细版 吴恩达深度学习笔记，带标签，700页+详细版

Task——Transformer 9.1 Transformer Transformer 是一种新的、基于 attention 机制来实现的特征提取器，可用于代替 CNN 和 RNN 来提取序列的特征。 Transformer 首次由论文 《Attention Is All You Need》 提出，在该论文中 Transformer 用于 encoder – decoder 架构。事实上 Transformer 可以单独应用于 encoder 或者单独应用于 decoder 。 Transformer 相比较 LSTM 等循环神经网络模型的优点： 可以直接捕获序列中的长距离依赖关系。 模

网上找到《斯坦福CS224n_自然语言处理与深度学习_笔记_hankcs》，发现确实十分有用，对于想学习NLP的人来说，有巨大的帮助。故，特此分享。感谢笔记作者。

在介绍Adam之前首先介绍一下momentum和RMSprop优化算法。 一、momentum 1、指数加权平均数 指数加权平均数不仅考虑了当前数值也涵盖了以前的数据对现在的影响。 解释指数加权平均值名称的由来： 指数加权平均值的应用： 使用这种方法进行数据的估计可能不是最精确的，但是这种方法计算简单，节省内存。 指数加权平均数因为设置的第0个值为0，所以对于前几个数都会出现严重的偏差，所以引入了偏差修正。 2.指数加权平均数的偏差修正 3.momentum算法 此算法是梯度下降算法的一种改进，在神经网络的反向传播过程中，不再只依赖当前参数的下降梯度进行参数的更新，也依赖以前几轮的参数和参数

问题描述 给定波士顿地区一系列地区租房的价格，然后罗列出了收集到多个因素，每个因素已经是量化好。现在给定的要求是，使用一个多元线性模型去拟合这些数据，然后用于预测。 模型 price=f(x1,x2,…,xn)=∑i=1nwixi+b price = f(x_1, x_2, …, x_n) = \sum\limits_{i=1}^{n} w_i x_i + bprice=f(x1​,x2​,…,xn​)=i=1∑n​wi​xi​+b 这里没有激活函数，所以还不到神经网络的阶段。 基于Tensorflow的建模一般步骤 数据准备： 1. 筛选 2. 分类 3. 清洗 4. 格式化 模型构建 1.

本文档是针对吴恩达老师深度学习课程视频做的笔记。在这5堂课中，学生将可以学习到深度学习的基础，学会构建神经网络，并用在包括吴恩达本人在内的多位业界顶尖专家指导下创建自己的机器学习项目。本课程对卷积神经网络 (CNN)、递归神经网络 (RNN)、长短期记忆 (LSTM) 等深度学习常用的网络结构、工具和知识都有涉及。