|
首页
|
电子技术
|
电子应用
|
电子头条
|
社区
|
论坛
测评
博客
电子技术视频
|
下载
|
电路图
|
参考设计
|
Datasheet
|
活动
|
直播
|
datasheet
datasheet
文章
搜索
中文
En
|
首页
|
电子技术
|
电子产品应用
|
电子头条
|
论坛
|
大学堂
|
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
首页
课程
TI培训
直播频道
专题
相关活动
其他资源
下载中心
电路图
参考设计
您的位置:
EEWORLD大学堂
/
机器学习/算法
/
机器学习 吴恩达
/
Multiple Features
本课程为精品课,您可以登录eeworld继续观看:
Multiple Features
登录
播放列表
课程目录
课程笔记
课时1:Welcome
课时2:What is Machine Learning
课时3:Supervised Learning
课时4:Unsupervised Learning
课时5:Model Representation
课时6:Cost Function
课时7:Cost Function - Intuition I
课时8:Cost Function - Intuition II
课时9:Gradient Descent
课时10:Gradient Descent Intuition
课时11:Gradient Descent For Linear Regression
课时12:What-'s Next
课时13:Matrices and Vectors
课时14:Addition and Scalar Multiplication
课时15:Matrix Vector Multiplication
课时16:Matrix Matrix Multiplication
课时17:Matrix Multiplication Properties
课时18:Inverse and Transpose
课时19:Multiple Features
课时20:Gradient Descent for Multiple Variables
课时21:Gradient Descent in Practice I - Feature Scaling
课时22:Gradient Descent in Practice II - Learning Rate
课时23:Features and Polynomial Regression
课时24:Normal Equation
课时25:Normal Equation Noninvertibility (Optional)
课时26:Basic Operations
课时27:Moving Data Around
课时28:Computing on Data
课时29:Plotting Data
课时30:Control Statements- for, while, if statements
课时31:Vectorization
课时32:Working on and Submitting Programming Exercises
课时33:Classification
课时34:Hypothesis Representation
课时35:Decision Boundary
课时36:Cost Function
课时37:Simplified Cost Function and Gradient Descent
课时38:Advanced Optimization
课时39:Multiclass Classification- One-vs-all
课时40:The Problem of Overfitting
课时41:Cost Function
课时42:Regularized Linear Regression
课时43:Regularized Logistic Regression
课时44:Non-linear Hypotheses
课时45:Neurons and the Brain
课时46:Model Representation I
课时47:Model Representation II
课时48:Examples and Intuitions I
课时49:Examples and Intuitions II
课时50:Multiclass Classification
课时51:Cost Function
课时52:Backpropagation Algorithm
课时53:Backpropagation Intuition
课时54:Implementation Note- Unrolling Parameters
课时55:Gradient Checking
课时56:Random Initialization
课时57:Putting It Together
课时58:Autonomous Driving
课时59:Deciding What to Try Next
课时60:Evaluating a Hypothesis
课时61:Model Selection and Train-Validation-Test Sets
课时62:Diagnosing Bias vs. Variance
课时63:Regularization and Bias-Variance
课时64:Learning Curves
课时65:Deciding What to Do Next Revisited
课时66:Prioritizing What to Work On
课时67:Error Analysis
课时68:Error Metrics for Skewed Classes
课时69:Trading Off Precision and Recall
课时70:Data For Machine Learning
课时71:Optimization Objective
课时72:Large Margin Intuition
课时73:Mathematics Behind Large Margin Classification (Optional)
课时74:Kernels I
课时75:Kernels II
课时76:Using An SVM
课时77:Unsupervised Learning- Introduction
课时78:K-Means Algorithm
课时79:Optimization Objective
课时80:Random Initialization
课时81:Choosing the Number of Clusters
课时82:Motivation I- Data Compression
课时83:Motivation II- Visualization
课时84:Principal Component Analysis Problem Formulation
课时85:Principal Component Analysis Algorithm
课时86:Choosing the Number of Principal Components
课时87:Reconstruction from Compressed Representation
课时88:Advice for Applying PCA
课时89:Problem Motivation
课时90:Gaussian Distribution
课时91:Algorithm
课时92:Developing and Evaluating an Anomaly Detection System
课时93:Anomaly Detection vs. Supervised Learning
课时94:Choosing What Features to Use
课时95:Multivariate Gaussian Distribution (Optional)
课时96:Anomaly Detection using the Multivariate Gaussian Distribution (Optional)
课时97:Problem Formulation
课时98:Content Based Recommendations
课时99:Collaborative Filtering
课时100:Collaborative Filtering Algorithm
课时101:Vectorization- Low Rank Matrix Factorization
课时102:Implementational Detail- Mean Normalization
课时103:Learning With Large Datasets
课时104:Stochastic Gradient Descent
课时105:Mini-Batch Gradient Descent
课时106:Stochastic Gradient Descent Convergence
课时107:Online Learning
课时108:Map Reduce and Data Parallelism
课时109:Problem Description and Pipeline
课时110:Sliding Windows
课时111:Getting Lots of Data and Artificial Data
课时112:Ceiling Analysis- What Part of the Pipeline to Work on Next
课时113:Summary and Thank You
时长:8分22秒
日期:2018/05/02
收藏视频
上传者:老白菜
去评论
课程介绍
相关标签:
机器学习
ML
machine learning
此课程将广泛介绍机器学习、数据挖掘与统计模式识别的知识。主题包括:(i) 监督学习(参数/非参数算法、支持向量机、内核、神经网络)。(ii) 非监督学习(聚类、降维、推荐系统、深度学习)。(iii) 机器学习的优秀案例(偏差/方差理论;机器学习和人工智能的创新过程)课程将拮取案例研究与应用,学习如何将学习算法应用到智能机器人(观感,控制)、文字理解(网页搜索,防垃圾邮件)、计算机视觉、医学信息学、音频、数据挖掘及其他领域上。
显示全部 ↓
推荐视频
用户评论
暂时无评论
猜您喜欢
推荐帖子
platform builder 4.2如何编译最快?
就改动BSP某一个文件的一个地方,如何快速编译?
Irenewei
嵌入式系统
说说关于TI M4的UART使用
[size=5]关于TI M4 TM4C123的UART的FIFO使用后记录。[/size][size=5]当UART的FIFO使能且接收中断也使能后,只要接收的数据达到FIFO设定的触发线,便会触发UART接收中断,而当接收的数据未达到FIFO设定的触发线时且接收时间超过一定的时间(具体参考datasheet 13.3.9章节)便会触发UART接收超时中断。[/size][size=5]而当接收
Aguilera
微控制器 MCU
編寫S3C2440總線方式控制的流式驅動程序問題
我想用nGCS2作片选,LDADDR0-LDADDR7作地址线,LDDATA0-LDDATA7作数据线进行CPLD的读写数据.于是我定义了下面的结构体:#define NGCS2_BASE0XA4000080#define NGCS2_PHY_BASE 0x10000080///定义CPLD控制寄存器地址typedef struct {unsigned int gCSSLTAABC;unsigne
sswd
嵌入式系统
电源芯片
电源芯片的驱动电流由什么决定?
zhonghuadianzie
PCB设计
用分立元件缓冲级改善CD机动态效果
lorant
单片机的系列比较---M0与M3
Cortex-M3和Cortex-M0的区别ARM架构自v6开始分为A/R/M三个系列。CM0/CM3都是属于M系列的。CortexM0是基于v6架构;CortexM3是v7架构。主要区别 性能: Cortex-M0基于32位架构,利用一个 通过MULS指令直接与内核相连的32×32位硬件乘 法器,恩智浦M0指令模式可以在单个周期中对两个 32位字进行乘运算. 最高频率50MHZ- Cortex-
彪悍的熊猫
微控制器 MCU
推荐内容
热门视频
更多
转一个老外的超炫RGB旋转时钟
基于Cortex-M7的STM32F7:高端MCU应用的挑战
电机和电机控制的简介:无刷直流电机
STM32超值型产品《探索套件》
电工学(天津大学)
直播回放 : TI 新一代 MSP430™ 产品在低成本超声波水表中的方案介绍及快速应用指南
TI AMIC110 多协议通信芯片工业应用优化解决方案
Simplelink传感器控制器简介
应用于电容式触摸的ITO温控器
深入研究可穿戴设备和物联网的轻负载高效低噪声电源参考设计 (TIDA-01566)
开源项目推荐
更多
使用 Analog Devices 的 LTC1655LIN8 的参考设计
NIOS-DEVKIT-2C35N, Nios II Development Kit, Cyclone II Edition 为基于 Altera Cyclone II 器件开发嵌入式系统提供了硬件平台
AD8352-EVALZ,AD8352 2GHz 超低失真差分射频/中频放大器评估板
【RA】单电机电动晾衣架升降控制板
iCoupler 隔离产品的 ESD/闩锁注意事项
WIFIkill缩小版板厚1.2mm
DC826C-B,用于 LTC2951-2 按钮开/关控制器的演示板
SI9181DB,SI9181 评估板,1.8V、2V、2.5V、3V、3.3V、5V DC 到 DC 便携式单路输出电源
LDK130C10R 1V、300 mA 低静态电流、极低噪声 LDO 的典型应用固定版本电路
L78L05C 正压稳压器的典型应用,用于高输出电流短路保护
热门文章
更多
英飞凌最新技术助力用于工业通用电机驱动的22千瓦参考设计
一种顶装磁翻板液位计介绍
晶洲装备新工厂首批G8.5量产设备交付
SIA:7月中国大陆半导体销售额为158.5亿美元,同比增29%
鸿蒙影像旗舰,支持双目立体视觉,华为nova9发布
STM32的DMA基本原理及实现过程
第39章 STM32F429的FMC总线应用之SDRAM
万用表怎么测量电阻
异构集成推动面板制程设备(驱动器)的改变 异构集成(HI)已成为封装技术最新的转折点
贸泽电子开售面向便携式电子应用的英飞凌EZ-PD PMG1-B1 USB Type-C高压微控制器
电路图
采用TC35I无线数据传输与GSM通信模块电路设计电路图
直流电源监控器
三极管基准基本偏置电路-电压负反馈式
M62430系统框图
推挽输出的工作分析
STK3048和STK6153组合的高品质功放02
三端隔绝测量电路原理图
用M5232L制作光控自动警示灯
用NE555制作声控音乐彩灯
正馈补偿法电路
性能优良的充电器电路
μPC1490HA(电视机)红外线遥控接收信号处理电路
电流受限制电路图
LA4475音响IC电路
闪烁报警电路04
30W绿世界牌电子镇流器电路
精密线性铂电阻热探测器的信号调节器
分频器电路图
低压断电器电路图
爱照镜子的电子猫电路
发光报警器
LM386音频功率放大器的典型电路,绝对值得参考
足球比赛游戏机电路
内置和弦来电显示电路
555自动微风远红外干手器电路
5GMl68音频压控节日彩灯控制电路
电脑主板电路图 810 1_38
电脑主板电路图 815 5_33
光导纤维传输数据耦合电路
按键脉冲复位电路
可能感兴趣器件
B43081A2107M008
68739-104HLF
ISM94-1455BH-0.010
RCMS0213001FHA22
UVK2G220MHD1TO
IS31AP2036-CLS2-TR
940-001R22-34PY131
EGM31DRSH-S288
2210-T220-K0F2-H231-15A
SA534F180X6GLT
SRS-205-D2-TH
059B15-8C312
41671-2452
65672-029
HMTSW-114-12-L-Q-225
AW-37-03-G-D-230-075-A
MCAW-18S
CMN1-25S-JCS916
MRA020757K6F15PPMTA
SST-1013-T-14-L
M80-4T1260100-05-322-09-321
XE102-273AG-H-24.000MHZ
SIT9025AI-22H33SO150.000000E
GH120D48W15DR
S0302CA2082BHB-W
BLU1206A-9313-BT101
Y1622562R000F9L
DM42DA393DP3
RIAN16LTEB6802DTBC
RNR60C2740DSRJ71
电子工程世界版权所有
京B2-20211791
京ICP备10001474号-1
电信业务审批[2006]字第258号函
京公网安备 11010802033920号
Copyright © 2005-2023 EEWORLD.com.cn, Inc. All rights reserved
用户评论