|
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
/
Gradient Descent in Practice II - Learning Rate
本课程为精品课,您可以登录eeworld继续观看:
Gradient Descent in Practice II - Learning Rate
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58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
PROTEL 99SE 简明使用手册
压缩包中有两个手册,是WORD文档格式,很适合于读者复制、编写相关资料,一本是“PROTEL 99 SE特性手册.doc”,另一本是“PROTEL 99SE 简明使用手册.doc”原文件在本论坛的“资源共享区”[url=https://bbs.eeworld.com.cn/viewthread.php?tid=66222&extra=page%3D2&frombbs=1]https://bbs.e
忙忙草
PCB设计
请教XIP问题
系统启动后卡在了这里:Windows CE Kernel for ARM (Thumb Enabled) Built on Feb8 2007 at 23:36:51ProcessorType=0920Revision=0sp_abt=ffff5000 sp_irq=ffff2800 sp_undef=ffffc800 OEMAddressTable = 8c2013e0Windows CE Fi
mrking0105
嵌入式系统
matlab第四课-多项式求根
[font=宋体][size=16pt]多项式是形如 [/size][/font][align=center][font=宋体][size=16pt]P(x) = a[/size][/font][font=宋体][size=10pt]0[/size][/font][font=宋体][size=16pt]x[/size][/font][font=宋体][size=10pt]n[/size][/fon
gaoxiao
微控制器 MCU
滤波电路原理分析(转)
[i=s] 本帖最后由 qwqwqw2088 于 2015-9-27 20:56 编辑 [/i][color=#000000]波的基本概念滤波是信号处理中的一个重要概念。滤波分经典滤波和现代滤波。经典滤波的概念,是根据富立叶分析和变换提出的一个工程概念。根据高等数学理论,任何一个满足一定条件的信号,都可以被看成是由无限个正弦波叠加而成。换句话说,就是工程信号是不同频率的正弦波线性叠加而成的,组成信
qwqwqw2088
模拟与混合信号
samsung2451下的wince6.0速度比wince5.0慢问题
最近在samsung2451下跑wince6.0,通过播放器发现明显比wince5.0慢很多,不知是wince6.0本身比wince5.0慢,还是其它什么原因?
LINZI
WindowsCE
使用 LM Flash Programer 下载程序出错
使用 LM Flash Programer 下载程序 错误编号1[[i] 本帖最后由 Study_Stellaris 于 2011-9-19 16:52 编辑 [/i]]
Study_Stellaris
微控制器 MCU
推荐内容
热门视频
更多
Atmel AVR 技术的历史 (中字)
【CC1120评估套件指南】CC1120开发板范围测试
手把手教Hercules Launchpad(4)
直播回放: 与英飞凌一同革新您的电动汽车温控系统:集成热管理系统(低压侧)
Atmel借助全面的低功耗无线连接产品, 进一步推动物联网的发展
TI 电池管理深度解析系列
无线电动工具应用中电机控制设计的考量
Jacinto 6 Tizen演示-基于HTML 5的IVI框架
ON Semi 物联网开发套件 (IDK) 概述
RT-thread在线培训
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
实时时钟的演示:毫秒级计时输出;串口输出;中断的使用
传TI、安森美提高模拟IC价格 同行或跟进涨价
Baraja融资4000万美元 加速开发Spectrum-Scan LiDAR技术
紫光云完成了6亿元融资,中移资本领投
1080P屏幕的手机看4K视频会更清晰,是真的咩?
TKDCW-II直流电源纹波测试仪的特征是什么
传言谷歌将在Q4推出折叠屏手机
示波器眼图如何分辨信号质量
电路图
停电来电报警电路
采用TDA7294V芯片的低音功率放大电路
CMOS8位单片微处理器电路(CXP750096系列)
晶体管式水位自控电路之三(灌入式)b
元件耐压测量仪电路
HT-680/HT-6187/HT-600/HT-6207/HT-640/HT-6247电路-a
功能齐全的触摸调光电路-b
双向晶闸管交流调压电路02
单电源运放8FC7组成的带通滤波器电路
多功能自动充电电路
DT16-28型粗镗电气原理图电路(2)
欠补偿能耗自动环节电路
堵料传感器
门电路
采用MAX713构成的快速充电器电路图
用PNP型管扩流的线性可调稳压器电路图
DN35典型应用电路图c
运放构成的可控双向恒流源电路图
5V步降型变换器
测温电路
鼠笼式电动机能耗制动
用LB1409作电平显示驱动电路2
频偏测量电路
闪光追逐彩灯电路图
5-12V连续可调稳压电源电路
555鸡、狗、猫三台一声光玩具电路
简易自然风模拟电路
555声光双控延时照明节电灯电路(一)
具有过截保护的5v稳压电源电路
数控音频振荡器
可能感兴趣器件
TSB12LV01BIPZT
5120658-1
RWR80S57R6FSS73
GCG155R71C273KA01D
303-026-08L-P31-B10
TS924IDT
TMM-139-05-SM-D-SM-13-A
MS27472P16B55SB
7211J90W5MI2
VEMV38GT33-160.0-3.0/-10+60
MT5C6805C-45/883C
MTLW-130-10-L-D-110
TWL-126-05-G-S
PFS5012CO6-24V-W18
T3-36132G
EA5070BB18-54.27875MTR
0041.9165.9.1.6.1
911F-1-127-07
0805J1002P20BCB
R35I-512/2-8MM-LD/PP-5/0-1-A-SH4
TSHCP-109-S-26-730-H-001
D-SUB-205A-15FSZBB102
M80-4T12001F3-10-301-04-321
GUS-SS7ALF-01-1420-C
4114T-2-2981DC
BC055-44C-K1-0190-0590-0520-LE
BG150-50-G-0300-P-D
ECS-240-10-1X-WM
VJ1812A392JFAAT2M
ABL7M-30.000MHZ-S-W
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