|
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）
/
applying-model-to-find-most-positive-negative-reviews-for-a-product
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：4分43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
[高精度实验室] 运算放大器 : 3 输入输出限制
Atmel Qtouch安全平台
2016 TI SimpleLink Wi-Fi 解决方案
飞思卡尔Tower机电一体化机器人
Sunny的树莓派小车DIY教程
球形六足机器人宠物
Altera2012亚洲创新设计大赛CN099视频介绍-01
Underactuated Robotics MIT 2019 spring 6.382
在家电应用中电机控制设计的选择及性能提升
EEworld原创：大话TI CC2650
推荐帖子
普源DS1000Z和DS2000A系列示波器带宽及选件破解
自去年底实习工作，深感模拟小信号调理是自己弱环，遂想下班后晚上回去进行恶补。决定置办一台示波器，伊始，对TEK的TBS熊猫机情有独钟，但是后来试了下公司的TDS，2.5K的存储确实让人很忧伤。最后在论坛看到普源的DS1000Z系列和DS2000A系列拆机及破解，很是心动。最终，攒了一个多月工资入手了DS2072A。回来后就开始了破解，可悲的RP，试了手边的6个U盘及四张SD卡，都不可以刷入固件，最...
qq849682862
综合技术交流
Flash sector erase 跟 block erase 有什麼不同呢
我想請問各位 我在Flash 的spec上看到Sector erase 跟 block erase 請問兩者有什麼不同 謝謝 ...
apl500
综合技术交流
Mouser初体验+精密电阻
一直想买几颗精密电阻做些实验 无奈这类的东西小贵 样品也不好申请 淘宝上的价格比现货网站还贵 MOUSER的价格是现货网站里比较低的 以前有过冲动买几个 后来还是忍了 怕走上这条“不归路” 这回论坛的活动相当于5折 诱惑太大 没能忍住 买了两颗100欧姆 0.01% 5ppm的电阻 和两颗0.05% 10ppm的 分压电阻网络 ...
littleshrimp
综合技术交流
MY-R16板子能自动获得一个IP吗？
问： 使用R16板子，没有自动获得一个IP，配一个IP，也不行， arch/arm/kernel/setup.c:60:29: fatal error: mach/sunxi-chip.h: No such file or directory 以前碰到过这样的错误，有这个文件的。为啥报错。 root@osboxes:/work/android/R16/lichee/linux-3....
明远智睿Lan
综合技术交流
用户评论
暂时无评论
推荐视频
更多
学习设计完整AC-DC系统的快速低风险方法
书接上回，继续看看神奇的KUKA机器人
波士顿动力新一代双足机器人Atlas
反激变换器是如何工作的（英文字幕）
SlimSensor技术消除显示屏噪声的影响
Atmel Edge Spinkler 102
机器学习 （台大李宏毅）
数据结构
Arduino始创人教你玩Arduino：入门套件实例教程
操作系统原理 北京大学 陈向群
相关下载
更多
MATLAB实用中文手册
红外避障小车设计报告1
自动运输系统的AGV调度与路径规划研究
基于测程法的四轮全向移动机器人自定位方法研究.pdf
《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》
2003智能小车（全国大学生电子设计竞赛）
官方AD封装库：National Semiconductor
实现遗传算法（GA）的多目标优化算法：NSGA-II的MATLAB程序
自学习循路的移动机器人模型设计与实现.pdf
Analytical Model for Switching Transitions of Submicron CMOS Logics
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