|
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）
/
recommender-systems-ml-block-diagram
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53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
什么是区块链？什么是去中心化？
嵌入式系统及应用
电机和电机控制的简介：永磁同步（PMS）电机
CC13X2/CC26X2- TI SimpleLink 平台新一代无线产品解决方案
使用 LDC2114 构建感应式触摸按钮
机器人操作系统入门
血氧仪研讨专场
NI 热电偶温度测量
直播回放: 借助Maxim的模拟技术优化设计
利用TI SimpleLink蓝牙、MCU和模拟器件构建无线音频解决方案（2）
推荐帖子
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
【求分享】论坛使用技巧和方法
既然是综合技术区，是不是可以分享点论坛使用的技巧和方法呢 只是是您认为好的，认为是方便的，哪怕只是轻轻的一个点击，我也会拿出我的芯币认可您！！哈哈...
Sur
综合技术交流
DS2072 XY模式
总体来说2G的采样率表现还不错 唯一比较蛋疼的就是限制了大小 无法放大 还好是8寸屏 但是和安捷伦10寸屏还可以放大对比就有点悲剧了 $('flv_LGY').innerHTML=(mobileplayer() ? "" : AC_FL_RunContent('width', '500', 'height', '375', 'allowNetworking', 'internal', '...
qq849682862
综合技术交流
关于双向可控硅的应用
最近在做一个项目，用到双向可控硅，由于之前没有用过，所以来求教一下哈！ 之前可控硅这里用的是继电器，负载就是个电阻。但是由于控制端的电源地是通过一个二极管和电感接到220V一端的，所以上面的可控硅控制端是没有回路的，因此可控硅也不会导通，我想请教一下，上面这个电路中，可控硅的控制端应该如何设计呢？不太想加光耦 ...
gameboy22
综合技术交流
用户评论
暂时无评论
推荐视频
更多
电力电子磁技术基础
天线原理 哈工大 林澍
[高精度实验室] 运算放大器 : 10 稳定性
2015电源设计研讨会：无线功率传输（1）
玩转 Arduino ——周边模块: LCD 与数码管
TI-RSLK 模块 5 - 电池和电压调节
工业4.0导论
42/5000 以太网供电（PoE）培训系列
研讨会：Xilinx &Avnet 专注嵌入式视觉应用，助力AI和辅助驾驶
2017第四届全国虚拟仪器大赛赛前培训
相关下载
更多
2013年全国大学生电子设计大赛红外通信装置设计报告
基于模糊PID控制的智能巡线机器人的设计与研究.pdf
lcd 1602 实现简单的字符显示,共大家学习参考.
模拟电子技术基础（西安电子科技大学出版社+2001）
基于模糊PID的轮式移动机器人轨迹控制.pdf
超标量处理器设计 [姚永斌编著][清华大学出版社][2014.04][373页]
《开关电源的电磁兼容》讲义，作者是香港大学的两位教授
电传感器布局对路径识别的影响研究.pdf
Python基础教程【第二版】
卡尔曼滤波器及其应用基础
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