Coursera机器学习课程课后作业 ，国内下载比较慢

作业 2 涵盖第 3-6 周 概述 此作业将基于原始视频服务中的想法，添加客户端的 OAuth 2.0 身份验证和“喜欢”视频的能力。 要完成此作业，您必须允许用户使用 OAuth 2.0 密码授予流程进行身份验证。 通过身份验证后，用户必须能够喜欢/不喜欢视频，以及按名称和持续时间搜索视频。 此外，视频数据必须存储在 Spring Data JPA 存储库中。 最后，所有通信都必须通过 https 端口 8443 进行。在嵌入式 Tomcat 实例上设置 HTTPS 的代码包含在 Application 类中。 您应该注意，此分配还需要在第一个分配中使用的概念，例如请求/响应正文中的请求映射和 JSON 编组。 警告 在任何情况下，您都不应在生产应用程序中使用包含的密钥库！！！ 在任何情况下，您都不应在生产中“按原样”使用此应用程序！！！ 运行应用程序 请仔细阅读说明。 要运行应用

Coursera上吴恩达(Andrew Ng)机器学习课程PPT，人工智能深度学习入门必备。

ML4T_coursera Coursera上的计算投资类

Accelerated_Computer_Science_Fundamentals_Specialization：Coursera上的Accelerated Computer Science Fundamentals专业化的一组实践和演示代码

coursera吴恩达机器学习课程作业自写Python版本，使用jupyter notebook实现，使代码更有层次感，可读性强。 本repository实现算法包括如下： 线性回归: linear_regression.ipynb 多元线性回归：linear_multiple.ipynb 逻辑回归：logic_regression.ipynb 正则化用于逻辑回归： logic_regularization.ipynb 模型诊断+学习曲线： learnCurve.ipynb 一对多分类模型：oneVSall.ipynb 神经网络模型：neuralNetwork.ipynb SVM分类器：svm.ipynb kmeans聚类：kmeans.ipynb pca降维：pca.ipynb 高斯分布用于异常检测：anomaly_detection.ipynb 协调过滤推荐算法：Collaborative_Filter.ipynb

使用Octave完成，包含原题目的压缩包（从Coursera官方课程下载的原版）和必做部分所有满分解答，必要部分附有注释，可供参考。

coursera machine learning机器学习编程作业答案

Coursera 机器学习课程作业答案，资源中整理了自己学习NG在Coursera讲授的机器学习课程的作业，是在原有的作业下载文档之下完成，如有需要，可下载参考。

机器学习数学 由于Coursera荣誉代码，绝不会共享证书所需的分级作业和考试 请注意，有时github不会加载.ipynb文件或对矩阵使用不正确的图表，请随时下载并在自己的阅读器中使用 我的资料库的目的是为学生提供机器学习的基础数学（特别是那些在帝国理工学院伦敦机器学习数学课程的学生）一些有用的资源，并提供一些指南来指导该课程中的实践练习。 该存储库涵盖以下主题： 线性代数 多元微积分； 主成分分析（PCA）。 基本课程说明（来自帝国理工学院伦敦课程） 对于许多机器学习和数据科学的高级课程，您会发现需要重新学习数学的基础知识-您以前在学校或大学学习过的东西，但是是在另一种情况下讲授的，或者不是很直观，因此您很难将其与计算机科学中的使用方式联系起来。 该专业旨在弥合这一差距，让您快速掌握基础数学，建立直觉的理解并将其与机器学习和数据科学联系起来。 在有关线性代数的第一门课程中，