举重练习的定性活动识别 背景 使用 Jawbone Up、Nike FuelBand 和 Fitbit 等设备，现在可以相对便宜地收集大量有关个人活动的数据。 这些类型的设备是量化自我运动的一部分——一群狂热者定期测量自己以改善他们的健康状况，发现他们的行为模式，或者因为他们是技术极客。 人们经常做的一件事是量化他们做了多少特定活动，但他们很少量化他们做得有多好。 在这个项目中，我们将使用来自 6 位参与者的腰带、前臂、手臂和哑铃上的加速度计的数据。 他们被要求以 5 种不同的方式正确和错误地进行杠铃举重： A级：完全符合规范 B类：肘部向前抛 C级：只将哑铃举到一半 D级：将哑铃放下一半 E级：臀部向前抛 更多信息可从以下网站获得： : （参见举重运动数据集部分）。 目标 Coursera 实用机器学习课程的这个项目的目标是预测人们进行练习的方式。 这是训练集中的“classe”

内容为Coursera平台上DeepLearning系列第一课PPT合集，全部已转为PDF格式方便使用，同时也包括部分官方提供的笔记。可以用来方便复习内容和查阅。

coursera上 Python Programming: A Concise Introduction的编程题答案

吴恩达Coursera深度学习课程 deeplearning.ai (1-4) 深层神经网络--作业（可执行源码）

Coursera上的深度学习专业化（由deeplearning.ai提供） deeplearning.ai提供的Coursera所有课程的编程作业和测验。 授课老师： 笔记 有关Coursera深度学习专业中所有课程的详细面试准备笔记，请 设置 运行setup.sh以（i）下载经过预先​​训练的VGG-19数据集，并（ii）提取所有分配所需的经过z​​ip压缩的经过预先训练的模型和数据集。 学分 此仓库包含我针对该专业的工作。除非另有说明，否则代码库，测验问题和图表均取自的“ 。 编程作业 课程1：神经网络与深度学习 课程2：改善深度神经网络：超参数调整，正则化和优化 课程3：构建机器学习项目 此课程没有PA。但是本课程附带了非常有趣的案例研究测验（如下）。 课程4：卷积神经网络 课程5：序列模型 测验解决方案 课程1：神经网络与深度学习 第1周测验-深度学习简介： | 第2周测验-神经

有时候我们需要把一些经典的东西收藏起来，时时回味，而Coursera上的一些课程无疑就是经典之作。Coursera中的大部分完结课程都提供了完整的配套教学资源，包括ppt，视频以及字幕等，离线下来后会非常便于学习。很明显，我们不会去一个文件一个文件的下载，只有傻子才那么干，程序员都是聪明人！ 那我们聪明人准备怎么办呢？当然是写一个脚本来批量下载了。首先我们需要分析一下手工下载的流程：登录自己的Coursera账户(有的课程需要我们登录并选课后才能看到相应的资源)，在课程资源页面里，找到相应的文件链接，然后用喜欢的工具下载。 很简单是吧？我们可以用程序来模仿以上的步骤，这样就可以解放双手了。整个

coursera斯坦福机器学习公开课作业4，已通过submission，供大家学习参考

互动设计说明 包含有关加利福尼亚大学圣地亚哥分校交互设计专业的笔记和课程。 :folded_hands: 致谢 我衷心感谢因为这让我的生活变得更加轻松。

tf2_lstm 使用tensorflow 2.0 rc1在LSTM上进行试验。 使用来自实际油井的每日生产数据。

如何赢得数据科学竞赛 向顶尖的慢跑者学习 此仓库也将作为优质机器学习笔记本的转储。 该课程由德米特里·乌里扬诺夫（Dmitry Ulyanov），亚历山大·古钦（Alexander Guschin），米哈伊尔·特罗菲莫夫（Mikhail Trofimov），德米特里·阿尔图霍夫（Dmitry Altukhov）和马里奥斯·米恰利迪斯（Marios Michailidis）主持