【中英双语】吴恩达机器学习②：高级学习算法·神经网络与决策树

名校课程-顶级中配

合集 · 吴恩达公开课 (22)

  1. 8:10:02
    【中英双语】吴恩达AI人人课：零基础通识全35讲
  2. 10:40:15
    【中英双语】吴恩达机器学习①：监督学习·回归与分类
  3. 18:05:28
    【中英双语】吴恩达机器学习②：高级学习算法·神经网络与决策树
  4. 13:04:51
    【中英双语】吴恩达机器学习③：无监督·推荐系统·强化学习
  5. 12:20:48
    【中英双语】吴恩达深度学习专项第一课：从零构建神经网络
  6. 9:48:24
    【中英双语】吴恩达深度学习专项第二课：改善深层神经网络
  7. 7:09:15
    【中英双语】吴恩达深度学习专项第三课：结构化机器学习项目
  8. 13:46:51
    【中英双语】吴恩达深度学习专项第四课：卷积神经网络
  9. 10:32:01
    【中英双语】吴恩达深度学习专项第五课：序列模型
  10. 12:02:20
    【中文配音】吴恩达CS230深度学习 | 吴恩达顶级中文配音系列持续发布中
  11. 2:16:48
    【中文配音】吴恩达高级计算机视觉：目标检测·分割·模型可视化
  12. 9:32:07
    【中英双语】吴恩达MLOps①生产级机器学习完整课 | 2026中文重制
  13. 6:00:57
    【中英双语】吴恩达生成式AI人人课｜2026中文重制
  14. 2:58:56
    【中英双语】吴恩达LangChain：从提示链到Agents｜2026中文重制
  15. 3:37:17
    【中文配音】吴恩达RAG检索增强生成｜从检索到生产落地完整课
  16. 1:04:51
    【中英双语】吴恩达③AI Python入门：用聊天机器人写代码｜2026中文重制
  17. 2:35:55
    【中英双语】吴恩达文本嵌入短课：语义搜索与问答实战｜2026中文重制
  18. 6:28:49
    【中英双语】吴恩达生成式AI高校领导力｜战略政策到落地｜2026中文重制
  19. 3:14:55
    【中英双语】吴恩达Agent Memory：给AI智能体装上持久记忆｜2026中文重制
  20. 4:01:48
    【中英双语】吴恩达Agent Skills：用技能文件夹扩展Claude智能体｜2026中文重制
  21. 2:21:23
    【中英双语】吴恩达生成式UI：用AI搭交互智能体界面｜2026中文重制
  22. 1:53:44
    【中英双语】吴恩达A2A协议：让不同AI智能体互相通话

Parts

  1. P1 · [中文] 01 欢迎与导学
  2. P2 · [中文] 02 神经元与大脑
  3. P3 · [中文] 03 需求预测
  4. P4 · [中文] 04 示例：图像识别
  5. P5 · [中文] 05 神经网络层
  6. P6 · [中文] 06 更复杂的神经网络
  7. P7 · [中文] 07 推理：前向传播做预测
  8. P8 · [中文] 08 推理代码实现
  9. P9 · [中文] 09 TensorFlow 中的数据
  10. P10 · [中文] 10 搭建神经网络
  11. P11 · [中文] 11 单层前向传播
  12. P12 · [中文] 12 前向传播通用实现
  13. P13 · [中文] 13 通往 AGI 的路？
  14. P14 · [中文] 14 神经网络如何高效实现
  15. P15 · [中文] 15 矩阵乘法
  16. P16 · [中文] 16 矩阵乘法规则
  17. P17 · [中文] 17 矩阵乘法代码
  18. P18 · [中文] 18 TensorFlow 实现
  19. P19 · [中文] 19 训练细节
  20. P20 · [中文] 20 Sigmoid 之外的激活函数
  21. P21 · [中文] 21 如何选择激活函数
  22. P22 · [中文] 22 为什么需要激活函数
  23. P23 · [中文] 23 多分类
  24. P24 · [中文] 24 Softmax
  25. P25 · [中文] 25 Softmax 输出的神经网络
  26. P26 · [中文] 26 Softmax 改进实现
  27. P27 · [中文] 27 多输出分类（选修）
  28. P28 · [中文] 28 高级优化
  29. P29 · [中文] 29 其他层类型
  30. P30 · [中文] 30 什么是导数（选修）
  31. P31 · [中文] 31 计算图（选修）
  32. P32 · [中文] 32 更大网络示例（选修）
  33. P33 · [中文] 33 接下来该试什么
  34. P34 · [中文] 34 评估模型
  35. P35 · [中文] 35 模型选择与训练/验证/测试集
  36. P36 · [中文] 36 诊断偏差与方差
  37. P37 · [中文] 37 正则化与偏差/方差
  38. P38 · [中文] 38 建立性能基线
  39. P39 · [中文] 39 学习曲线
  40. P40 · [中文] 40 接下来该试什么（再访）
  41. P41 · [中文] 41 偏差/方差与神经网络
  42. P42 · [中文] 42 机器学习开发迭代环
  43. P43 · [中文] 43 错误分析
  44. P44 · [中文] 44 增加数据
  45. P45 · [中文] 45 迁移学习：借用其他任务数据
  46. P46 · [中文] 46 机器学习项目全周期
  47. P47 · [中文] 47 公平性、偏见与伦理
  48. P48 · [中文] 48 偏斜数据集的误差指标
  49. P49 · [中文] 49 精确率与召回率权衡
  50. P50 · [中文] 50 决策树模型
  51. P51 · [中文] 51 学习过程
  52. P52 · [中文] 52 度量纯度
  53. P53 · [中文] 53 选择分裂：信息增益
  54. P54 · [中文] 54 把决策树拼起来
  55. P55 · [中文] 55 类别特征的 one-hot 编码
  56. P56 · [中文] 56 连续值特征
  57. P57 · [中文] 57 回归树（选修）
  58. P58 · [中文] 58 使用多棵决策树
  59. P59 · [中文] 59 有放回抽样
  60. P60 · [中文] 60 随机森林算法
  61. P61 · [中文] 61 XGBoost
  62. P62 · [中文] 62 何时使用决策树
  63. P63 · [中文] 63 吴恩达×Chris Manning：自然语言处理对谈
  64. P64 · [英文] 01 Welcome
  65. P65 · [英文] 02 Neurons and the brain
  66. P66 · [英文] 03 Demand Prediction
  67. P67 · [英文] 04 Recognizing Images
  68. P68 · [英文] 05 Neural network layer
  69. P69 · [英文] 06 More complex neural networks
  70. P70 · [英文] 07 Forward propagation
  71. P71 · [英文] 08 Inference in Code
  72. P72 · [英文] 09 Data in TensorFlow
  73. P73 · [英文] 10 Building a neural network
  74. P74 · [英文] 11 Forward prop in a single layer
  75. P75 · [英文] 12 General forward propagation
  76. P76 · [英文] 13 Is there a path to AGI?
  77. P77 · [英文] 14 Efficient NN implementation
  78. P78 · [英文] 15 Matrix multiplication
  79. P79 · [英文] 16 Matrix multiplication rules
  80. P80 · [英文] 17 Matrix multiplication code
  81. P81 · [英文] 18 TensorFlow implementation
  82. P82 · [英文] 19 Training Details
  83. P83 · [英文] 20 Alternatives to sigmoid
  84. P84 · [英文] 21 Choosing activation functions
  85. P85 · [英文] 22 Why activation functions?
  86. P86 · [英文] 23 Multiclass
  87. P87 · [英文] 24 Softmax
  88. P88 · [英文] 25 NN with Softmax output
  89. P89 · [英文] 26 Improved Softmax
  90. P90 · [英文] 27 Multi-output classification
  91. P91 · [英文] 28 Advanced Optimization
  92. P92 · [英文] 29 Additional Layer Types
  93. P93 · [英文] 30 What is a derivative?
  94. P94 · [英文] 31 Computation graph
  95. P95 · [英文] 32 Larger NN example
  96. P96 · [英文] 33 Deciding what to try next
  97. P97 · [英文] 34 Evaluating a model
  98. P98 · [英文] 35 Model selection & splits
  99. P99 · [英文] 36 Diagnosing bias and variance
  100. P100 · [英文] 37 Regularization and bias/variance
  101. P101 · [英文] 38 Baseline performance
  102. P102 · [英文] 39 Learning curves
  103. P103 · [英文] 40 What to try next revisited
  104. P104 · [英文] 41 Bias/variance and NNs
  105. P105 · [英文] 42 ML development iterative loop
  106. P106 · [英文] 43 Error analysis
  107. P107 · [英文] 44 Adding data
  108. P108 · [英文] 45 Transfer learning
  109. P109 · [英文] 46 Full ML project cycle
  110. P110 · [英文] 47 Fairness, bias, and ethics
  111. P111 · [英文] 48 Error metrics for skewed data
  112. P112 · [英文] 49 Precision-recall tradeoff
  113. P113 · [英文] 50 Decision tree model
  114. P114 · [英文] 51 Learning Process
  115. P115 · [英文] 52 Measuring purity
  116. P116 · [英文] 53 Information Gain
  117. P117 · [英文] 54 Putting it together
  118. P118 · [英文] 55 One-hot encoding
  119. P119 · [英文] 56 Continuous valued features
  120. P120 · [英文] 57 Regression Trees
  121. P121 · [英文] 58 Multiple decision trees
  122. P122 · [英文] 59 Sampling with replacement
  123. P123 · [英文] 60 Random forest
  124. P124 · [英文] 61 XGBoost
  125. P125 · [英文] 62 When to use decision trees
  126. P126 · [英文] 63 Andrew Ng & Chris Manning on NLP
Description 
吴恩达机器学习专项②《Advanced Learning Algorithms》完整课｜中英双语可切换

📌 本期看点
· 神经网络：从感知到多层网络，TensorFlow 实战搭模型
· 决策树与集成：Bagging / 随机森林 / XGBoost 怎么选
· 偏差-方差、正则与诊断：把模型从「能跑」调到「能用」
· 多分类、推荐向应用片段，衔接①监督学习基础

🧭 观看指南
共 63 讲。P1–P63 中文配音版，P64–P126 英文原声版，可按需切换。
建议先完成机器学习①（监督学习），再学本课。

🎯 适合人群
学过回归/分类、想进阶神经网络与树模型的转码自学与算法工程同学。

持续更新海外名校硬核课程，点赞收藏关注三连，你的支持是更新的最大动力！