|
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42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
哪种触摸屏控制器最防水——赛普拉斯Gen5技压群雄
How To Track Down Common Mode Noise如何跟踪共模噪声
无线智能电子门锁设计方案分享
不用担心面部触碰屏幕挂掉重要电话— Cypress 触摸屏控制器
神经网络深度学习简介
研讨会 : TI DLP 技术在汽车行业的创新应用 - 增强型抬头显示
低速串行总线调试－CAN译码
ARM架构基本讲解
T-BOX 与车身电机 TI 解决方案
MCP6V01热电偶自动调零参考设计
推荐帖子
在电路设计中如何选择电阻？
本帖最后由 tiankai001 于 2018-12-5 14:17 编辑 电阻的种类很多，普通常用的电阻有碳膜电阻、水泥电阻、金属膜电阻、线绕电阻等；特殊电阻有压敏电阻、热敏电阻、光敏电阻等。不同类型的电阻，其特性参数都有一定的差异，在电路使用时需要考虑的重点也不一样。在电路设计中如果忽略了电阻的某些特殊参数，可能会...
tiankai001
综合技术交流
直流无刷电动机的应用
1.在汽车中的应用 汽车上用直流无刷电动机的场合目前主要有车轮驱动、空调器压缩机、空调器鼓风机、净化器、抽气机等。 1.1汽车净化器用直流无刷电动机 汽车净化器多采用直流无刷电动机带动离心式风叶，以排出污浊空气。电动机本体是根据电机电路方案来确定，常用二相桥式换相驱动电路。内定子绕组可以较方便地 绕在铁心齿上。电机做成外转子式结构，定子和定子绕组放在转子内部。换相驱动电路采用专用集成电路(A...
月亦雪
综合技术交流
LCD显示屏针脚怎么定位？
昨天一个客户问我说，他们有一款显示屏，是反射的，不用背光，这样安装的时候没有办法统一针脚安装的位置，如下图是客户需要的效果： 这样就会出现一个问题，每次焊接的时候怎么保证这个位置都是一样的呢，手工测量也不现实，又耗费人工，并且就算是测量好的位...
晶拓
综合技术交流
铁酸铋原型存储设备：速度比RAM快一万倍
在现代的计算机内存技术里，速度和存储的持久性犹如鱼与熊掌不可兼得。RAM（随机访问存储）速度快，但是东西存放不久；硬盘或闪存则相反，东西可以存放很久，但是访问速度相对较慢。不过《自然通讯》近日介绍的一种原型存储设备却打破了这种限制，这种设备通过电子存储及与太阳能电池相同的读取技术的结合，实现了访问速度快、数据存放久及耗电低这三大优点。 这项原型设备由加州大学伯克利分校的材料科学家 Ramam...
wstt
综合技术交流
推荐视频
更多
Arduino基础视频
“我知道你在想什么”MIT发明的黑科技
电源设计小贴士21：请注意电容RMS纹波额定电流
Altium Designer6.9 PCB设计视频教程
NI数据采集技术十讲
机器学习 （台大李宏毅）
Stellaris LaunchPad入门讲座（一）
基础教程：传感器及其如何使用
半导体制造技术
EDA技术与实验 哈工大 朱敏
相关下载
更多
Credit Risk Modeling using Excel and VBA
机器人高效编程原书第3版机器人设计与制作系列
用OPNET仿真tdma协议,物理层通信的全过程,很适合学习
模拟电子技术基础 第三版 童诗白 华成英
机器人C语言 机电一体化接口
先进焊接制造技术丛书 焊接机器人及其应用
6_PUS_UPS并联机器人结构设计及理论分析
电子技术基础.模拟部分.(康华光.第5版)
波士顿机器专利：带制动模式的旋转阀
电路原理学习指导与习题集（第2版）
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
