|
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
/
机器学习基础：案例研究（华盛顿大学）
/
learning-curves
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
RL78/G13 MCU 开发套件演示视频
如何投资一次来开发无限的物联网应用程序
直流电桥原理及操作 复旦大学
机器学习 吴恩达
自动控制理论
3D TOF机器人：障碍物检测，防撞和导航
新一代计算机会自己编程
集成MEMS传感系统设计与应用
随机信号处理 西电 赵国庆
设计指南-热功率器件设计中的几点思考
推荐帖子
迅为-iMX6开发板-Android4.4-设置MAC地址
本文档介绍如何简易修改迅为- iMX6 开发板 Android4.4 系统的 MAC 地址，在网络通信中， 会用到 MAC 地址，开发板源码中默认的 MAC 地址全部一样，这样会引起冲突，导致网络通 信故障。iMX6 的 uboot 和 kernel 源码中默认带有通过环境变量设置 MAC 地址的源码，只需要 简单修改，即可添加上设置 MAC 地址功能。另外请注意，如果 MAC 地址不合法，在内核...
砂舞的玩笑
综合技术交流
学习板教程 第六课——独立摁键
摁键的基本实现，一个是摁一个键亮灯；另一个是长短摁键亮不同的灯；欢迎下载，谢谢！ [ 本帖最后由 764workshop 于 2012-1-11 21:59 编辑 ]...
764workshop
综合技术交流
学习板教程 第九课——外部中断0和1
外部中断0和1的使用方法和小例子，欢迎下载，谢谢！ [ 本帖最后由 764workshop 于 2012-1-11 21:47 编辑 ]...
764workshop
综合技术交流
RFID手持机帮助烟草公司实现烟叶精准化收购
将RFID技术应用到卷烟仓储配送及烟叶收购存储过程，可实现卷烟、烟叶物流的可视化管理和质量追溯。烟草收购站借助RFID手持机进行烟叶精准化收购，优化了专业散收流程、减少了烟农的劳动力，这样一来，不仅提高了烟叶等级纯度和质量，还节约了人力成本，让烟农卖烟更轻松，烟农卖烟叶的具体收购流程如下。 排号，烟农按照预约时间到烟叶站点交烟时，通过精准化电子收购系统，由工作人员将烟农IC卡放在...
云肖肖
综合技术交流
用户评论
暂时无评论
推荐视频
更多
CC2538/CC2530的TinyOS和Contiki例程实验
图像处理与分析 武汉大学 贾永红
MPLAB代码配置器实验6:配置增强型PWM
EDA技术 杭电 郭裕顺
ADC基础知识分享 - SAR 和 Delta Sigma ADC 基础知识
[高精度实验室] 运算放大器 : 3 输入输出限制
奥本海姆主讲——信号与系统：模拟与数字信号处理
iOS平台常用传感器
微型机器人骑自行车
基于 Jacinto™ TDA2x SoC 和深度学习的实时 mmWave 和相机传感器融合系统设计
相关下载
更多
lcd 1602 实现简单的字符显示,共大家学习参考.
基于FPGA利用FFT算法实现GPSCA码捕获的研究.rar
[实用电子元器件与电路基础].(Paul.Scherz).第二版
TI培训 《电路保护基础》
Xilinx公司关于testbench的学习资料
河北理工大学_冀风队技术报告.pdf
RF/微波滤波器的基础知识
全国大学生电子设计竞赛系统设计黄智伟编著.pdf
模拟与数字电子电路基础 [AnantAgarwal编著][清华大学出版社][2008.08][654页][12071762](2)
运动控制系统学习（上海大学）
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
用户评论