吴恩达 机器学习专项课程 · 课程总览

这门课讲什么

这是一门机器学习的入门课程，共 142 讲，内容按三部分展开。第一部分从"什么是机器学习""监督学习""非监督学习"这些基本概念讲起，随后进入线性回归模型、代价函数、梯度下降、逻辑回归与正则化。第二部分转向神经网络：神经元与层、前向传播、TensorFlow 实现、激活函数、Softmax、模型评估与偏差方差，以及决策树、随机森林和 XGBoost。第三部分讲无监督学习、推荐系统与强化学习，包括 K-means 聚类、异常检测、协同过滤，以及状态动作值函数、Bellman 方程和 ϵ-贪婪策略等。从讲次安排看，课程是从零起步的——第 03 讲专门回答"什么是机器学习"，第 08 讲还单独介绍 Jupyter Notebooks。

这门课怎么组织的

课程一共 142 讲，分三部分：第 01–41 讲是第一部分，第 42 讲以"欢迎来到第二部分_高级学习算法"开头，第 101 讲以"欢迎来到第三部分 无监督学习、推荐系统和强化学习"开头，一直排到第 142 讲"总结与感谢"。在课程侧事实里，142 个条目的类型全部是 lecture（讲课），没有出现嘉宾讲座、讨论课或额外 session，也没有任何一讲被标注为特殊形式。需要注意的是，142 讲的讲义份数全部为 0——目前能拿到的只有录像，没有配套讲义文件。每周的更新节奏、课时长度，课程侧事实里没有提供。

本电子书系列包含什么

本系列的目标是把这门课的讲次做成中文电子书，好让读者按讲次顺序读下来。但截至目前的课程侧统计，课程日程里的 142 讲中，0 讲已经做成电子书——也就是说，现在这个系列里还没有任何一本可以读。142 讲全部被标注为"有录像，还没做成电子书"，所以它目前处在尚未开工的状态，而不是素材缺失。

合计 142 个条目：0 个已做成中文电子书 ✓，142 个没有 ✗（原因见上表「备注」一列 ✓）。

本电子书系列不涉及什么

最需要先说明的一点是：读者可能以为这里能读到中文电子书，但一本都还没有——原因不是找不到素材（142 讲都有录像），而是这些讲次还没有被制作成电子书。其次，课程侧事实里 142 讲的讲义份数都是 0，没有讲义文本可供依据。第三，课程侧事实没有提供任何关于作业、编程练习、评分或项目的信息，因此本系列无法涉及这些内容，也无法说明它们是否存在于这门课中。最后，这份总览缺少课程主页正文，所以像先修要求、时间安排这类信息，这里同样给不出来。

怎么用这套电子书

目前还没有电子书，所以不存在"从哪本开始"的问题；现在能配合使用的是 B 站上的课程录像（BV16jyuBBEom，标题写明附课件代码）。等有讲次做成电子书之后，建议按讲次编号顺序阅读，涉及代码的部分对着录像和课件一起看。作业在哪里、如何提交，课程侧事实没有提供，这里无法说明。

本页怎么来的 ✗→✓：讲次清单由程序生成 ✓（讲次号、材料、电子书有无 ✓ 都来自系列表 courses/wulao-ml-specialization.json 与产物目录 ✓）；讲解文字由模型依据系列表事实写成 ✓（没有找到课程主页的本地副本 ✗（所以这一页的讲解只依据系列表与产物目录 ✓，模型不替课程下“面向谁／学完能做什么”的结论 ✓））。 这一页相当于课程主页的中文版 ✓；课程每年都在变 ✓，以官方主页为准 ✓。