注意：下載筆記、視頻、代碼：請點擊“閱讀原文”

我和同學將吳恩達老師機器學習和深度學習課程筆記做成了打印版，放在github上，下載后可以打印。

公布了深度學習筆記的word和markdown文件！

希望同學們能繼續完善修改，markdown文件可以直接在github里提交修改請求。

筆記基于課程視頻和字幕制作，感謝吳恩達老師為廣大愛好者提供如此實用的教程！

機器學習筆記更新網址(視頻下載地址公布)：

github：

https://github.com/fengdu78

見

1.斯坦福大學2014（吳恩達）機器學習教程中文筆記

課程地址：https://www.coursera.org/course/ml

Machine Learning(機器學習)是研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。它是人工智能的核心，是使計算機具有智能的根本途徑，其應用遍及人工智能的各個領域，它主要使用歸納、綜合而不是演譯。在過去的十年中，機器學習幫助我們自動駕駛汽車，有效的語音識別，有效的網絡搜索，并極大地提高了人類基因組的認識。機器學習是當今非常普遍，你可能會使用這一天幾十倍而不自知。很多研究者也認為這是最好的人工智能的取得方式。在本課中，您將學習最有效的機器學習技術，并獲得實踐，讓它們為自己的工作。更重要的是，你會不僅得到理論基礎的學習，而且獲得那些需要快速和強大的應用技術解決問題的實用技術。最后，你會學到一些硅谷利用機器學習和人工智能的最佳實踐創新。

本課程提供了一個廣泛的介紹機器學習、數據挖掘、統計模式識別的課程。主題包括：

（一）監督學習（參數/非參數算法，支持向量機，核函數，神經網絡）。

（二）無監督學習（聚類，降維，推薦系統，深入學習推薦）。

（三）在機器學習的最佳實踐（偏差/方差理論；在機器學習和人工智能創新過程）。本課程還將使用大量的案例研究，您還將學習如何運用學習算法構建智能機器人（感知，控制），文本的理解（Web搜索，反垃圾郵件），計算機視覺，醫療信息，音頻，數據挖掘，和其他領域。

本課程需要10周共18節課，相對以前的機器學習視頻，這個視頻更加清晰，而且每課都有ppt課件，推薦學習。

2.深度學習教程中文筆記

課程概述

https://mooc.study.163.com/university/deeplearning_ai#/c

http://www.deeplearning.ai

這些課程專為已有一定基礎（基本的編程知識，熟悉Python、對機器學習有基本了解），想要嘗試進入人工智能領域的計算機專業人士準備。介紹顯示：“深度學習是科技業最熱門的技能之一，本課程將幫你掌握深度學習。”

在這5堂課中，學生將可以學習到深度學習的基礎，學會構建神經網絡，并用在包括吳恩達本人在內的多位業界頂尖專家指導下創建自己的機器學習項目。Deep Learning Specialization對卷積神經網絡 (CNN)、遞歸神經網絡 (RNN)、長短期記憶 (LSTM) 等深度學習常用的網絡結構、工具和知識都有涉及。

課程中也會有很多實操項目，幫助學生更好地應用自己學到的深度學習技術，解決真實世界問題。這些項目將涵蓋醫療、自動駕駛、和自然語言處理等時髦領域，以及音樂生成等等。Coursera上有一些特定方向和知識的資料，但一直沒有比較全面、深入淺出的深度學習課程——《深度學習專業》的推出補上了這一空缺。

課程的語言是Python，使用的框架是Google開源的TensorFlow。最吸引人之處在于，課程導師就是吳恩達本人，兩名助教均來自斯坦福計算機系。完成課程所需時間根據不同的學習進度，大約需要3-4個月左右。學生結課后，Coursera將授予他們Deep Learning Specialization結業證書。

“我們將幫助你掌握深度學習，理解如何應用深度學習，在人工智能業界開啟你的職業生涯。”吳恩達在課程頁面中提到。

---

下載筆記、視頻、代碼：請點擊“閱讀原文”

此外，為方便讀者，我找了一個淘寶店“思伶菲格旗艦店”，搜到后找客服思思說“黃博的兩本筆記”，無需發電子版，50包郵這兩本筆記（僅為了方便讀者，與本人無利益來往）。打印出來是這樣的（厚的是深度學習筆記，薄的是機器學習筆記，一共1000多頁）。

總結

以上是生活随笔為你收集整理的吴恩达老师的机器学习和深度学习课程笔记打印版的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。