|
首页
|
电子技术
|
电子产品应用
|
电子头条
|
论坛
|
电子技术视频
|
下载
|
参考设计
|
Datasheet
|
活动
|
技术直播
|
datasheet
datasheet
文章
搜索
大学堂
上传课程
登录
注册
首页
课程
TI培训
直播频道
专题
相关活动
芯兑换
您的位置:
EEWORLD大学堂
/
机器学习/算法
/
机器学习 吴恩达
/
Algorithm
播放列表
课程目录
课程笔记
课时1:Welcome
课时2:What is Machine Learning
课时3:Supervised Learning
课时4:Unsupervised Learning
课时5:Model Representation
课时6:Cost Function
课时7:Cost Function - Intuition I
课时8:Cost Function - Intuition II
课时9:Gradient Descent
课时10:Gradient Descent Intuition
课时11:Gradient Descent For Linear Regression
课时12:What-'s Next
课时13:Matrices and Vectors
课时14:Addition and Scalar Multiplication
课时15:Matrix Vector Multiplication
课时16:Matrix Matrix Multiplication
课时17:Matrix Multiplication Properties
课时18:Inverse and Transpose
课时19:Multiple Features
课时20:Gradient Descent for Multiple Variables
课时21:Gradient Descent in Practice I - Feature Scaling
课时22:Gradient Descent in Practice II - Learning Rate
课时23:Features and Polynomial Regression
课时24:Normal Equation
课时25:Normal Equation Noninvertibility (Optional)
课时26:Basic Operations
课时27:Moving Data Around
课时28:Computing on Data
课时29:Plotting Data
课时30:Control Statements- for, while, if statements
课时31:Vectorization
课时32:Working on and Submitting Programming Exercises
课时33:Classification
课时34:Hypothesis Representation
课时35:Decision Boundary
课时36:Cost Function
课时37:Simplified Cost Function and Gradient Descent
课时38:Advanced Optimization
课时39:Multiclass Classification- One-vs-all
课时40:The Problem of Overfitting
课时41:Cost Function
课时42:Regularized Linear Regression
课时43:Regularized Logistic Regression
课时44:Non-linear Hypotheses
课时45:Neurons and the Brain
课时46:Model Representation I
课时47:Model Representation II
课时48:Examples and Intuitions I
课时49:Examples and Intuitions II
课时50:Multiclass Classification
课时51:Cost Function
课时52:Backpropagation Algorithm
课时53:Backpropagation Intuition
课时54:Implementation Note- Unrolling Parameters
课时55:Gradient Checking
课时56:Random Initialization
课时57:Putting It Together
课时58:Autonomous Driving
课时59:Deciding What to Try Next
课时60:Evaluating a Hypothesis
课时61:Model Selection and Train-Validation-Test Sets
课时62:Diagnosing Bias vs. Variance
课时63:Regularization and Bias-Variance
课时64:Learning Curves
课时65:Deciding What to Do Next Revisited
课时66:Prioritizing What to Work On
课时67:Error Analysis
课时68:Error Metrics for Skewed Classes
课时69:Trading Off Precision and Recall
课时70:Data For Machine Learning
课时71:Optimization Objective
课时72:Large Margin Intuition
课时73:Mathematics Behind Large Margin Classification (Optional)
课时74:Kernels I
课时75:Kernels II
课时76:Using An SVM
课时77:Unsupervised Learning- Introduction
课时78:K-Means Algorithm
课时79:Optimization Objective
课时80:Random Initialization
课时81:Choosing the Number of Clusters
课时82:Motivation I- Data Compression
课时83:Motivation II- Visualization
课时84:Principal Component Analysis Problem Formulation
课时85:Principal Component Analysis Algorithm
课时86:Choosing the Number of Principal Components
课时87:Reconstruction from Compressed Representation
课时88:Advice for Applying PCA
课时89:Problem Motivation
课时90:Gaussian Distribution
课时91:Algorithm
课时92:Developing and Evaluating an Anomaly Detection System
课时93:Anomaly Detection vs. Supervised Learning
课时94:Choosing What Features to Use
课时95:Multivariate Gaussian Distribution (Optional)
课时96:Anomaly Detection using the Multivariate Gaussian Distribution (Optional)
课时97:Problem Formulation
课时98:Content Based Recommendations
课时99:Collaborative Filtering
课时100:Collaborative Filtering Algorithm
课时101:Vectorization- Low Rank Matrix Factorization
课时102:Implementational Detail- Mean Normalization
课时103:Learning With Large Datasets
课时104:Stochastic Gradient Descent
课时105:Mini-Batch Gradient Descent
课时106:Stochastic Gradient Descent Convergence
课时107:Online Learning
课时108:Map Reduce and Data Parallelism
课时109:Problem Description and Pipeline
课时110:Sliding Windows
课时111:Getting Lots of Data and Artificial Data
课时112:Ceiling Analysis- What Part of the Pipeline to Work on Next
课时113:Summary and Thank You
时长:12分2秒
日期:2018/05/05
收藏视频
分享
上传者:老白菜
去评论
课程介绍
相关标签:
机器学习
ML
machine learning
此课程将广泛介绍机器学习、数据挖掘与统计模式识别的知识。主题包括:(i) 监督学习(参数/非参数
算法
、支持向量机、内核、神经网络)。(ii) 非监督学习(聚类、降维、推荐
系统
、深度学习)。(iii) 机器学习的优秀案例(偏差/方差理论;机器学习和人工
智能
的创新过程)课程将拮取案例研究与应用,学习如何将学习算法应用到智能机器人(观感,
控制
)、文字理解(网页搜索,防垃圾邮件)、计算机视觉、医学信息学、
音频
、数据挖掘及其他领域上。
显示全部 ↓
换一批
猜你喜欢
使用TI解决方案为Xilinx新型FPGA提供电源(三)
Altera SoC Demo现场演示
[高精度实验室] ADC系列 5 : ADC 的频域指标
蓝牙红外
动画演示集成电路制造过程
研讨会:100G/400G 光通信测试解决方案
带上这家伙可以隔空打字,从此键盘是路人~
使用MCP6V01自归零运放的热电偶温度测量参考设计
ST MEMS 传感器
FPGA点拨 明德扬
推荐帖子
关于openpilot的问题8
各位高手,小弟正在分析openpilot源代码。请教各位高手,在flight\targets\boards\coptercontrol\firmware\pios_board.c文件中,“HWSETTINGS_USB_VCPPORT_COMBRIDGE”这个宏是什么意思?谢谢! ...
wangxd5429
综合技术交流
智能家居五大问题待解
[导读] 本文由扫IC网平台提供,过去数年在硅谷颇受关注的智能家居在VR风潮中有点点失宠的迹象,从包括谷歌旗下的Nest公司到Quirky公司旗下的Wink公司都出现亏损现象。智能家居市场期盼的春天还没有到来,冬天却更冷了。 过去数年在硅谷颇受关注的智能家居在VR风潮中有点点失宠的迹象,从包括谷歌旗下的Nest公司到Quirky公司旗下的Wink公司都出现亏损现象。智能家居市场期盼的春天还没有...
扫IC网`Allen
综合技术交流
免费申领“首款带数字电源管理的四路输出模块”评估板MPM54304
>>点此免费申领“首款带数字电源管理的四路输出模块”评估板——MPM54304 MPM54304 是一款集成了 4 个高效DC/DC 降压变换器、电感和一个灵活逻辑接口的整套电源管理模块。恒定导通时间(COT)控制模式 为DC/DC 变换器提供了快速瞬态响应。1.5MHz的 默认开关频...
eric_wang
综合技术交流
Mouser初体验+Mouser 处女购——STM32F7-DISCO 开发板购物记录与心得
本帖最后由 mars4zhu 于 2016-4-16 19:56 编辑 Mouser处女购——STM32F7-DISCO开发板购物记录与心得。 虽然今天(2016-04-16)的美元兑人民币汇率为6.473,但是这个汇率定价应该是根据Mouser当时的定价来的,所以,即使按照6.72的美元兑人民币汇率而言,国家也收走了我RMB ¥56的增值税,如果去ST官网购...
mars4zhu
综合技术交流
用户评论
暂时无评论
推荐视频
更多
RT-Thread Nano学习教程
《对话通信原理视频》
机器人基础原理 东北大学 房立金
呆萌机器人集体跳广场舞,少女时代舞曲
Labview程序设计基础与提高
“十天学会MSP430”视频教程
乒乓球:库卡机器人决战蒂姆·波尔
ARM9嵌入式视频教程(天祥电子)
11秒拆解一部iPhone,Liam机器人成苹果发布会最大惊喜
机器学习技法
相关下载
更多
基于电位计实现自行车机器人的拟人智能控制
小车机器人避障相关算法.rar
吴恩达《机器学习训练秘籍》
芯达STM32入门系列教程合集共十五章
Xilinx公司关于testbench的学习资料
基于FPGA的中型组机器人模型
VB串口编程,关于上位机的应用,特别适合初级学习VB的学员
R语言实战 机器学习与数据分析
ABB机器人系统参数说明书(中文版)
机器学习实战 pdf (中文完整版)
电子工程世界版权所有
京ICP证060456号
京ICP备10001474号-1
电信业务审批[2006]字第258号函
京公网安备 11010802033920号
Copyright © 2005-2021 EEWORLD.com.cn, Inc. All rights reserved
用户评论