onenote笔记搬运计划之深度学习吴恩达

一、监督学习和无监督学习

二、梯度下降，深度学习的核心
三、线性回归的梯度下降
四、线性代数部分

五、多变量的线性回归

六、多元梯度下降

七、特征和多项式回归
八、正规方程
九、Logistic回归

十、代价函数

十一、一对多分类

十二、过拟合和正则化

十三、线性回归正则化
十四、神经网络
十五、反向传播算法

十六、梯度检测
十七、BP神经网络

十八、算法性能评估
十九、模型的选择