|
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：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
直播回放：甘为AI大脑的顺风耳
NFC 协议基础
攀墙机器人VertiGo
UCD3138数字电动工具
德州仪器 DLP<sup>®</sup> 微投影显示技术精彩展示
ARM官方工具支持ARMv8架构
SimpleLink™Sub-1 GHz传感器到云端
嵌入式系统与实验 厦门大学
东芝PCIM在线展会
基于ARM的WinCE嵌入式系统开发
推荐帖子
D/A转换
数模转换器（Ｄ／Ａ）就是一种把数字信号转换成为模拟电信号的器件。实际上，Ｄ／Ａ 转换器输出的电量并不真正能连续可调，而是以所用 Ｄ／Ａ 转换器的绝对分辨率为单位递减，所以这实际上是准模拟量输出。 １．D/A转换器的基本原理 Ｄ／Ａ转换器用来将数字量转换成模拟量。它的基本要求是输出电压Ｕｏ应该和输入数字量Ｄ成正比，即 Ｕｏ ＝ ...
一世轮回
综合技术交流
貌似高大上的专业数码芯片！
刚看到个新闻——富士通半导体公司与徕卡联合宣布成功开发新一代数码相机用图像处理器MAESTRO II。该处理器基于富士通“Milbeaut”技术研发而成，内置高速CPU，并采用经过改进的图像处理器算法。。。。。。。貌似这是利用富士通牛B闪闪的Milbeaut IP的设计代工服务啊，Milbeaut是他们最核心的技术，这个。。。也能提供设计服务？！BTW，这种貌似高大上的图像处理芯片可以卖不？如果能...
板上人生
综合技术交流
2015年真的会是工业革命元年吗？
导读： 2015年，随着新一轮工业革命的到来，传统制造业的发展方式将出现颠覆性、革命性的转变。 OFweek工控网讯：2014年的热门词汇“工业4.0”，是一个引起全世界关注的概念，掀起了新一轮工业革命的浪潮。2015年，随着新一轮工业革命的到来，传统制造业的发展方式将出现颠覆性、革命性的转变。 谁能执掌未来制造业的霸权？ 冲在最前面的是德国。2013年德国政府推出定义为...
xhxyd
综合技术交流
【专题】纪念摩尔定律50周年，预言还是困惑？
专题地址：http://www.eeworld.com.cn/zt/50_years_of_moores_law/ 摩尔定律似乎是冥冥中主宰技术进步的一股力量。它支配着数字科技行业中的各项发展都如当初它所描述的那样迅猛前进。今年是摩尔定律提出后的第50个年头。它是预言还是困惑？ 说到底，摩尔定律究竟是如何影响...
DreamerJane
综合技术交流
推荐视频
更多
直播回放：煮酒数创客，看如何让好创意发生
xilinx zynq fpga视频教程
ARM9嵌入式视频教程（天祥电子）
应用于数据包处理的 Smarter Solution
2015电源设计研讨会：无线功率传输（1）
国防电子测试的最新发展及安捷伦解决方案
MPLAB代码配置器实验6:配置增强型PWM
同济大学数字信号处理教程（全72讲）
自动控制理论实验 北京理工大学
机器学习 （台大李宏毅）
相关下载
更多
半桥逆变器电容不均压问题的分析与研究
官方元件库：Allegro MicroSystems
kuka机器人电气培训
C51单片机C语言编程基础和实例
Low Power Methodology Manual For System-on-Chip Design.pdf
漫画图解电感,电容基础知识（高清PDF）
b汽轮发电机组故障诊断系统中几个关键技术的研究
《Android应用程序开发与典型案例》完整版
图灵 半导体制造基础 279页 22.3M 清晰书签版
机器人控制MATLAB仿真
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
