21吴恩达机器学习课程大纲

机器学习的定义，兴起原因，应用领域，主要内容;线性回归模型假设函数。

线性回归的代价函数，梯度下降算法，特征缩放，均值归一，多项式回归，正规方程算法;逻辑回归的假设函数，决策边界，逻辑回归的代价函数，多分类问题一对多算法。

正则表达式，神经网络模型假设函数，多分类处理。

神经网络的代价函数，反向传播算法，梯度检查，初始化参数矩阵，神经网络的执行过程。

评估机器学习算法，模型选择，机器学习诊断法，偏差和方差，学习曲线;误差分析，偏态数据处理，混淆矩阵，查准率，查全率，F1分数，大数据集的使用条件。

支持向量机的代价函数，几何理解，决策边界以及数学的理解，kernel函数。

聚类算法，K-mean算法，失真代价函数。

维度约减，主成分分析算法，协方差矩阵，奇异值分解，解释总变异程度的两种做法。

异常检测算法，高斯分布，朴素贝叶斯，评估异常检测算法，多元高斯分布。

推荐系统，基于内容的推荐算法，协同过滤算法，大规模数据处理，优化算法，人像识别项目。