|
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
/
Summary and Thank You
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:4分41秒
日期:2018/05/06
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
Atmel 8位AVR 产品概览
Wally Rhines - 2015 Phil Kaufman Award Winner
兼容 USB-PD 协议的升降压型充电芯片的设计和优化
ISO 7637
直播回放:深入浅出讲述可穿戴健康监测
机器学习 吴恩达
关于PIC24F K-Series的Microstick套件
机器人技术及应用
TI 嵌入式处理器最新产品发布会
Verilog HDL设计与实战
推荐帖子
解决第一次顺利下载程序,第二次又不行了的问题
我的板子很简单,我从stlink的3.3V上接出来一根线,接到BOOT0引脚上,再把stlink插入电脑,就可以顺利下载了。要根本解决问题,看图,通过菜单中的find in files找到一个函数,注释掉,把这个程序下载进去,下次就不需要接BOOT0啦~\(≧▽≦)/~啦啦啦 ...
圣诞老爹
综合技术交流
11例子教你学会处理伺服电机抖动问题
一、伺服电机启动不起来而且噪声大振动大是什么原因?答:1、 脱开载荷;2、 用手盘动,确认灵活、无异常; 3、 空载启动实验; 4、 检查负载情况。 先看看是不是动平衡出了问题,这是电流声音,其次看电机轴承,最后是伺服驱动器参数,多数是轴承松懈或坏。 二、交流伺服电机在运行中会出现抖动的现象,问题需怎样 此内容由EEWORLD论坛网友华科星电气原创,如需转载或用于商业用途需征得作...
华科星电气
综合技术交流
如何实现matab2013a与ccsv5连接
最近遇见一个棘手的问题,怎么使matlab2013a与CCSV5连接起来,试了好多次没有头绪。请各位大神工程师指导一下,QQ上也可以交流QQ905599801,感激不尽。 checkEnvSetup('ccsv5','F28335 eZdsp', 'setup') 1. Checking CCSv5 (Code Composer Studio) version Req...
ming2298
综合技术交流
【转帖】记住这几个特性,运算放大器的使用不再难
本帖最后由 Ameya360皇华 于 2017-11-1 10:26 编辑 导读记得大学时学习模拟电子电路中关于运算放大器的使用,什么同相比例放大电路、反相比例放大电路、加法电路等,不同的结构和不同输入输出公式。当时没好好学,没有认真思考为什么这样,一味的死记硬背以应付考试。随着时间的流逝,记忆渐渐模糊,等到实际搭电路测试时发现输出电压和书上的结果完全不一样,(此处的原因说明省略100字)。最...
Ameya360皇华
综合技术交流
用户评论
暂时无评论
推荐视频
更多
韦东山Linux毕业班
呆萌机器人集体跳广场舞,少女时代舞曲
LabVIEW网络讲坛
TI-RSLK 模块 18 - 串行通信
组网技术
Altera FPGA设计技巧提高实训
传感器原理及应用(同济大学)
工业4.0导论
time-of-flight TI 3D传感器
FreeRTOS on stm32 ST
相关下载
更多
Python机器学习基础教程.pdf+代码.zip
Antenna Theory: Analysis and Design(4th Edition,Balanis,2016)
Beginning MATLAB and Simulink: From Novice to Professional
机器人设计与控制 369页 75.4M
《Analog Circuit Design:Art, Science, and Personalities》高清书签完整 英文原版
Xilinx公司关于testbench的学习资料
I2C-bus specification and user manual Rev. 6 — 4 April 2014 .pdf )
移动机构的控制 26页 5.9M.ppt
Transceiver and System Design for Digital Communications(4th edition)
林锋教你一步一步玩机器人(arduino)-基础篇
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