多任务学习 (Multi-task Learning)在迁移学习中，你的步骤是串行的，你从任务 AAA 里学习只是然后迁移到任务 BBB 。在多任务学习中，你是同时开始学习的，试图让单个神经网络同时做几件事情，然后希望这里每个任务都能帮到其他所有任务。我们来看一个例子，假设你在研发无人驾驶车辆，那么你的无人驾驶车可能需要同时检测不同的物体，比如检测行人、车辆、停车标志，还有交通灯各种其他东西...

清除标注错误的数据 (Cleaning Up Incorrectly Labeled Data)你的监督学习问题的数据由输入和输出标签构成，如果你观察一下你的数据，并发现有些输出标签是错的。你的数据有些标签是错的，是否值得花时间去修正这些标签呢？我们看看在猫分类问题中，图片是猫，；不是猫，。所以假设你看了一些数据样本，发现这（倒数第二张图片）其实不是猫，所以这是标记错误的样本。我用了...

低秩矩阵分解（Low Rank Matrix Factorization）我们将用户对电影的评分表格：用矩阵表示：Y=[55005??0?40?00540050]Y=\left[\begin{matrix}5&5&0&0\\5&?&?&0\\?&4&0&?\\0&0&5&4\\0&am...

One-Shot 学习 (One-Shot Learning)人脸识别所面临的一个挑战就是你需要解决一次学习问题，这意味着在大多数人脸识别应用中，你需要通过单单一张图片或者单单一个人脸样例就能去识别这个人。而历史上，当深度学习只有一个训练样例时，它的表现并不好，让我们看一个直观的例子，并讨论如何去解决这个问题。假设你的数据库里有4张你们公司的员工照片，实际上他们确实是我们deeplearni...

Jupyter/ipython 笔记本的快速指南 (Quick tour of Jupyter/ipython notebooks)课程PPT

对新序列采样 (Sampling novel sequences)在你训练一个序列模型之后，要想了解到这个模型学到了什么，一种非正式的方法就是进行一次新序列采样，来看看到底应该怎么做。记住一个序列模型模拟了任意特定单词序列的概率，我们要做的就是对这些概率分布进行采样来生成一个新的单词序列。下图编号1所示的网络已经被上方所展示的结构训练训练过了，而为了进行采样（下图编号2所示的网络），你要做一些..

候选区域 (Region proposals)如果你们阅读一下对象检测的文献，可能会看到一组概念，所谓的候选区域，这在计算机视觉领域是非常有影响力的概念。我把这个视频定为可选视频是因为我用到候选区域这一系列算法的频率没有那么高，但当然了，这些工作是很有影响力的，你们在工作中也可能会碰到，我们来看看。你们还记得滑动窗法吧，你使用训练过的分类器，在这些窗口中全部运行一遍，然后运行一个检测器，看看...

程序示例–垃圾邮件检测邮件内容的预处理下面展示了一封常见的 email，邮件内容包含了一个 URL （http://www.rackspace.com/），一个邮箱地址（groupname-unsubscribe@egroups.com），若干数字，美元符号等：Anyone knows how much it costs to host a web portal ?Well, it de...

词嵌入除偏 (Debiasing Word Embeddings)现在机器学习和人工智能算法正渐渐地被信任用以辅助或是制定极其重要的决策，因此我们想尽可能地确保它们不受非预期形式偏见影响，比如说性别歧视、种族歧视等等。本节视频中我会向你展示词嵌入中一些有关减少或是消除这些形式的偏见的办法。本节视频中当我使用术语bias时，我不是指bias本身这个词，或是偏见这种感觉，而是指性别、种族、性取向方面的

高斯分布模型我们已经知道，异常检测的核心就在于找到一个概率模型，帮助我们知道一个样本落入正常样本中的概率，从而帮助我们区分正常和异常样本。 高斯分布（Gaussian Distribution） 模型就是异常检测算法最常使用的概率分布模型。定义我们称X∼N(μ,δ2)X∼N(μ,δ^2)X∼N(μ,δ2)为：XXX服从均值为μμμ ，方差为δ2δ^2δ2的高斯分布...