大学堂
上传课程
登录
注册
首页
课程
嵌入式开发
电源技术
电路基础
编程语言
设计工具/EDA
热门应用
测试测量
创客大咖秀
厂商专区
TI培训
直播频道
专题
相关活动
您的位置：
EEWORLD大学堂
/
创客秀
/
科学探索
/
机器学习基石
播放列表
课程目录
课程笔记
课时1：Course Introduction
课时2：What is Machine Learning
课时3：Applications of Machine Learning
课时4：Components of Machine Learning
课时5：Machine Learning and Other Fields
课时6：Perceptron Hypothesis Set
课时7：Perceptron Learning Algorithm (PLA)
课时8：Guarantee of PLA
课时9：Non-Separable Data
课时10：Learning with Different Output Space
课时11：Learning with Different Data Label
课时12：Learning with Different Protocol
课时13：Learning with Different Input Space
课时14：Learning is Impossible
课时15：Probability to the Rescue
课时16：Connection to Learning
课时17：Connection to Real Learning
课时18：Recap and Preview
课时19：Effective Number of Lines
课时20：Effective Number of Hypotheses
课时21：Break Point
课时22：Restriction of Break Point
课时23：Bounding Function- Basic Cases
课时24：Bounding Function- Inductive Cases
课时25：A Pictorial Proof
课时26：Definition of VC Dimension
课时27：VC Dimension of Perceptrons
课时28：Physical Intuition of VC Dimension
课时29：Interpreting VC Dimension
课时30：Noise and Probabilistic Target
课时31：Error Measure
课时32：Algorithmic Error Measure
课时33：Weighted Classification
课时34：Linear Regression Problem
课时35：Linear Regression Algorithm
课时36：Generalization Issue
课时37：Linear Regression for Binary Classification
课时38：Logistic Regression Problem
课时39：Logistic Regression Error
课时40：Gradient of Logistic Regression Error
课时41：Gradient Descent
课时42：Linear Models for Binary Classification
课时43：Stochastic Gradient Descent
课时44：Multiclass via Logistic Regression
课时45：Multiclass via Binary Classification
课时46：Quadratic Hypothesis
课时47：Nonlinear Transform
课时48：Price of Nonlinear Transform
课时49：Structured Hypothesis Sets
课时50：What is Overfitting
课时51：The Role of Noise and Data Size
课时52：Deterministic Noise
课时53：Dealing with Overfitting
课时54：Regularized Hypothesis Set
课时55：Weight Decay Regularization
课时56：Regularization and VC Theory
课时57：General Regularizers
课时58：Model Selection Problem
课时59：Validation
课时60：Leave-One-Out Cross Validation
课时61：V-Fold Cross Validation
课时62：Occam-'s Razor
课时63：Sampling Bias
课时64：Data Snooping
课时65：Power of Three
时长：16分46秒
日期：2018/04/15
收藏视频
分享
上传者：
老白菜
课程介绍
介绍各领域中的机器学习使用者都应该知道的基础
算法
、理论及实用
工具
上传者： 老白菜
相关标签：
机器学习
林轩田
换一批
猜你喜欢
探秘谷歌和NASA量子人工智能实验室
机器学习深入研究
Verilog HDL硬件描述语言高阶培训
高速PWM控制器——MCP1631
2018 PSDS 研讨会系列 - (1) 谐振变换器拓扑综述
教你怎样改善输出滤波
Microchip PIC24FJ256DA210开发板在图形显示上的应用
PMSM控制技术：带传感器VS传感器 - 电机控制电子实验室总8
TI能量收集方案：真正高效的纳米级电源解决方案
电源设计小贴士50：铝电解电容器常见缺陷的规避方法
论坛相关
更多
想学机器学习，需要了解哪些语言？有什么资料推荐？
机器学习精品电子书
武汉中证通老师浅谈FPGA和ASIC芯片有望构建怎么样的机器学习成长的大环境
2018年安徽中港金融数据企业AI稳定趋势展望机器学习及数字助手
中证通合肥公司机器学习能服务好重建量子系统首次证明
相关下载
更多
图解机器学习
机器学习算法大全
机器学习〔中文版〕
机器学习中文版
机器学习（周志华）
电子工程世界版权所有
京ICP证060456号
京ICP备10001474号
电信业务审批[2006]字第258号函
京公海网安备110108001534
Copyright © 2005-2018 EEWORLD.com.cn, Inc. All rights reserved
