|
首页
|
电子技术
|
电子产品应用
|
电子头条
|
论坛
|
电子技术视频
|
下载中心
|
Datasheet
|
活动中心
|
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
您的位置：
EEWORLD大学堂
/
机器学习/算法
/
机器学习基础：案例研究（华盛顿大学）
播放列表
课程目录
课程笔记
课时1：welcome-to-this-course-and-specialization
课时2：who-we-are
课时3：machine-learning-is-changing-the-world
课时4：why-a-case-study-approach
课时5：specialization-overview
课时6：how-we-got-into-ml
课时7：who-is-this-specialization-for
课时8：what-you-ll-be-able-to-do
课时9：the-capstone-and-an-example-intelligent-application
课时10：the-future-of-intelligent-applications
课时11：starting-an-ipython-notebook
课时12：creating-variables-in-python
课时13：conditional-statements-and-loops-in-python
课时14：creating-functions-and-lambdas-in-python
课时15：starting-graphlab-create-loading-an-sframe
课时16：canvas-for-data-visualization
课时17：interacting-with-columns-of-an-sframe
课时18：using-apply-for-data-transformation
课时19：predicting-house-prices-a-case-study-in-regression
课时20：what-is-the-goal-and-how-might-you-naively-address-it
课时21：linear-regression-a-model-based-approach
课时22：adding-higher-order-effects
课时23：evaluating-overfitting-via-training-test-split
课时24：training-test-curves
课时25：adding-other-features
课时26：other-regression-examples
课时27：regression-ml-block-diagram
课时28：loading-exploring-house-sale-data
课时29：splitting-the-data-into-training-and-test-sets
课时30：learning-a-simple-regression-model-to-predict-house-prices-from-house-size
课时31：evaluating-error-rmse-of-the-simple-model
课时32：visualizing-predictions-of-simple-model-with-matplotlib
课时33：inspecting-the-model-coefficients-learned
课时34：exploring-other-features-of-the-data
课时35：learning-a-model-to-predict-house-prices-from-more-features
课时36：applying-learned-models-to-predict-price-of-an-average-house
课时37：applying-learned-models-to-predict-price-of-two-fancy-houses
课时38：analyzing-the-sentiment-of-reviews-a-case-study-in-classification
课时39：what-is-an-intelligent-restaurant-review-system
课时40：examples-of-classification-tasks
课时41：linear-classifiers
课时42：decision-boundaries
课时43：training-and-evaluating-a-classifier
课时44：whats-a-good-accuracy
课时45：false-positives-false-negatives-and-confusion-matrices
课时46：learning-curves
课时47：class-probabilities
课时48：classification-ml-block-diagram
课时49：loading-exploring-product-review-data
课时50：creating-the-word-count-vector
课时51：exploring-the-most-popular-product
课时52：defining-which-reviews-have-positive-or-negative-sentiment
课时53：training-a-sentiment-classifier
课时54：evaluating-a-classifier-the-roc-curve
课时55：applying-model-to-find-most-positive-negative-reviews-for-a-product
课时56：exploring-the-most-positive-negative-aspects-of-a-product
课时57：document-retrieval-a-case-study-in-clustering-and-measuring-similarity
课时58：what-is-the-document-retrieval-task
课时59：word-count-representation-for-measuring-similarity
课时60：prioritizing-important-words-with-tf-idf
课时61：calculating-tf-idf-vectors
课时62：retrieving-similar-documents-using-nearest-neighbor-search
课时63：clustering-documents-task-overview
课时64：clustering-documents-an-unsupervised-learning-task
课时65：k-means-a-clustering-algorithm
课时66：other-examples-of-clustering
课时67：clustering-and-similarity-ml-block-diagram
课时68：loading-exploring-wikipedia-data
课时69：exploring-word-counts
课时70：computing-exploring-tf-idfs
课时71：computing-distances-between-wikipedia-articles
课时72：building-exploring-a-nearest-neighbors-model-for-wikipedia-articles
课时73：examples-of-document-retrieval-in-action
课时74：recommender-systems-overview
课时75：where-we-see-recommender-systems-in-action
课时76：building-a-recommender-system-via-classification
课时77：collaborative-filtering-people-who-bought-this-also-bought
课时78：effect-of-popular-items
课时79：normalizing-co-occurrence-matrices-and-leveraging-purchase-histories
课时80：the-matrix-completion-task
课时81：recommendations-from-known-user-item-features
课时82：predictions-in-matrix-form
课时83：discovering-hidden-structure-by-matrix-factorization
课时84：bringing-it-all-together-featurized-matrix-factorization
课时85：a-performance-metric-for-recommender-systems
课时86：optimal-recommenders
课时87：precision-recall-curves
课时88：recommender-systems-ml-block-diagram
课时89：loading-and-exploring-song-data
课时90：creating-evaluating-a-popularity-based-song-recommender
课时91：creating-evaluating-a-personalized-song-recommender
课时92：searching-for-images-a-case-study-in-deep-learning
课时93：what-is-a-visual-product-recommender
课时94：using-precision-recall-to-compare-recommender-models
课时95：application-of-deep-learning-to-computer-vision
课时96：deep-learning-performance
课时97：demo-of-deep-learning-model-on-imagenet-data
课时98：other-examples-of-deep-learning-in-computer-vision
课时99：challenges-of-deep-learning
课时100：deep-features
课时101：deep-learning-ml-block-diagram
课时102：loading-image-data
课时103：training-evaluating-a-classifier-using-raw-image-pixels
课时104：training-evaluating-a-classifier-using-deep-features
课时105：loading-image-data
课时106：creating-a-nearest-neighbors-model-for-image-retrieval
课时107：querying-the-nearest-neighbors-model-to-retrieve-images
课时108：querying-for-the-most-similar-images-for-car-image
课时109：displaying-other-example-image-retrievals-with-a-python-lambda
课时110：you-ve-made-it
课时111：deploying-an-ml-service
课时112：what-happens-after-deployment
课时113：open-challenges-in-ml
课时114：where-is-ml-going
课时115：whats-ahead-in-the-specialization
课时116：thank-you
时长：5分36秒
日期：2019/09/28
收藏视频
分享
上传者：
抛砖引玉
去评论
课程介绍
相关标签：
机器学习
ML
在本课程中，您将从一系列实用的案例研究中获得有关机器学习的动手经验。 在第一门课程的最后，您将研究如何基于房屋特征预测房价，从用户评论中分析情绪，检索感兴趣的文档，推荐产品以及搜索图像。 通过使用这些用例的动手实践，您将能够在广泛的领域中应用机器学习方法。
显示全部 ↓
换一批
猜你喜欢
车载外置功放的系统和软硬件实现介绍
Webench电源设计培训系列视频
有源RFID的常见应用
Atmel：物联网的部署
低频和直流操作的栅极驱动注意事项
直播回顾：恩智浦KW41大赛颁奖礼
2016 TI 工业研讨会：TI隔离式DCDC偏置电源的设计难点与解决方案
TI 智能门锁解决方案
Qt Quick及QML介绍
MPLAB® ICD 3的使用演示
推荐帖子
段码LCD段码屏的驱动原理
LCD段码屏的驱动原理是：具有偶极矩的液晶棒状分子在外加电场的作用下其排列状态发生变化，使得通过液晶显示器件的光被调制，从而呈现明与暗或秀光与不透光的显示效果。液晶显示器件中的每个显示像素都单独被电场控制，不同的显示像素按照控制信号的“指挥”便可以在显示屏上组成不同的字符，数字及图形。因此建立显示所需的电场以及控制显示像素的组合不成为液晶显示驱动器和液晶显示控制器的功能。 &nbs...
晶拓
综合技术交流
DIY扫描电子显微镜
转自果壳网。原标题《厉害炸了！一个自制扫描电子显微镜的人》。有删节，有修改。 一个名叫Ben Krasnow的工程师自己做了一个扫描电子显微镜！这可是电子显微镜啊，绝对不是摆弄几个玻璃镜片就能搞定的事情，简直是有史以来最难的DIY项目了…… 下面这位就是作者，以及他自己做的电镜： 玻璃罩子里面的是核心部件，其他那些大坨的东西是真空泵和电源，另外因为泵在工作时会过热，所以他还加了冷却。 主体...
maychang
综合技术交流
EEWORLD大学堂----谷歌机器狗Spot提前祝大学堂同学们圣诞快乐~
本帖最后由 量子阱 于 2016-12-16 18:33 编辑 “jingle bells, jingle bells, jingle all the way ” 蠢萌蠢萌的机械狗Spot提前祝大学堂的同学们圣诞快乐 波士顿动力(Boston Dynamics)2013年被谷歌收购，其最为著名的产品当属狗形机器人。视...
量子阱
综合技术交流
分享一个开源软件的下载网址
这几天在下KICAD，官网特别慢，用百度网盘下载速度80k/bps慢的要命 后来找到这个清华大学开源软件镜像站，速度非常快，里边还有很多其它开源软件 https://mirrors.tuna.tsinghua.edu.cn/ ...
littleshrimp
综合技术交流
推荐视频
更多
时域测试技术综合实验
正点原子手把手教你学LWIP网络
是德科技示波器基础测试系列
直播回放：TI单芯片毫米波传感器产品组合新品发布会
智能控制导论
Atmel AVR XMEGA Xplained与Atmel Studio 6介绍
直播回放：煮酒数创客，看如何让好创意发生
新版RTOS教程：15天入门RT-Thread内核
TI SimpleLink MCU无线平台及软件套件介绍现场培训
基础教程：电源管理基础知识
相关下载
更多
Hyundai Kefico缩短15%测试时间-NI案例分享
MSP430系列超低功耗16位单片机原理与应用（华中科技大学）
KUKA基础编程
KUKA机器人电器图
S7-200系列PLC应用基础
先进焊接制造技术丛书 焊接机器人及其应用
全国大学生电子设计竞赛培训系列教程--电子仪器仪表设计
智能家居整体解决方案系列：能控制所有智能家居的机器人管家设计（硬件+程序源码+论文）
高效高密度高压电源的研究
川崎机器人AS语言参考手册
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 © 2005-2020 EEWORLD.com.cn, Inc. All rights reserved
综合技术交流
