吴恩达《Machine Learning》Jupyter Notebook版完整笔记含图解、公式、习题，哪里可以找到？

本文共计1233个文字，预计阅读时间需要5分钟。

在我早期写的文章《机器学习如何入门》中，就首先推荐过吴恩达在Coursera上开设的《Machine Learning》课程。这门课最显著的特点就是基本没有复杂的数学理论和公式推导，非常适合入门。

在我很早之前写过的文章《机器学习如何入门》中，就首推过吴恩达在 Coursera 上开设的《Machine Learning》课程。这门课最大的特点就是基本没有复杂的数学理论和公式推导，非常适合入门！

这门课是发布在 Coursera 上的，很多读者容易把它与吴恩达的另一门课 CS229 混淆。其实，今天讲的 Coursera 上的《Machine Learning》更加简单。

其课程地址为：

​​www.coursera.org/learn/machine-learning​​

关于这门课的官方介绍是：本课程将广泛介绍机器学习、数据挖掘和统计模式识别。相关主题包括：(i) 监督式学习（参数和非参数算法、支持向量机、核函数和神经网络）。(ii) 无监督学习（集群、降维、推荐系统和深度学习）。(iii) 机器学习实例（偏见/方差理论；机器学习和AI领域的创新）。课程将引用很多案例和应用，您还需要学习如何在不同领域应用学习算法，例如智能机器人（感知和控制）、文本理解（网络搜索和垃圾邮件过滤）、计算机视觉、医学信息学、音频、数据库挖掘等领域。

这门课基本涵盖了机器学习的主要知识点，例如：线性回归、逻辑回归、支持向量机、神经网络、K-Means、异常检测等等。而且课程中没有复杂的公式推导和理论分析。Ng 的目的是让机器学习初学者能够快速对整个机器学习知识点有比较整体的认识，便于快速入门。