|
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
|
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
/
Moving Data Around
本课程为精品课,您可以登录eeworld继续观看:
Moving Data Around
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:16分7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
生活的忠告
:) I’ll give you some advice about life. 给你生活的忠告 Eat more roughage; 多吃些粗粮; Do more than others expect you to do and do it pains; 给别人比他们期望的更多,并用心去做; Remember what life tells you; 熟记生活告诉你的一切; Do
babydahua
聊聊、笑笑、闹闹
有一种智慧叫钝感力
作为企业的外部顾问,我经常有机会去不同公司与管理者交流。在谈到公司人才时,我经常问他们一个问题:你眼中最优秀的员工是什么样子?你最赏识他/她哪一点? 他们的回答莫衷一是:有的说能干,有的说忠诚,有的说刻苦,有的说执着。一千个管理者眼中似乎会有一千种不同的优秀员工类型。 如果说优秀管理者必然会形成某些共性如高瞻远瞩、善于团结士气等,那么优秀的人才也必然会有某种共性存在,但这种共性会是什么呢?
ESD技术咨询
工作这点儿事
请问式中这个Ωmax,假如我转速是3000rpm,电感变化频率就是400Hz,那么用电感调制
产生的信号的Ωmax就是2Pi*400Hz吗???
西里古1992
模拟电子
多年前发生的一个可怕的“鬼吹灯”故事
故事发生在大概是大二的某个夜黑风高的夜晚,我的室友们都去自习(玩手机)去了,我一个人在寝室看电影。。。突然间一道黑影闪过。。。。。。这时只见我的台灯突然灭了,我当时非常害怕,我就想,怎么回事?:puzzle:女鬼来了的话不骚扰我为什么偏偏要把我台灯弄坏了!很愤怒!不能忍!在我的地盘还玩起“鬼吹灯”了??到这里故事基本结束了。。。由于自己是个穷学生,看看淘宝上的台灯都不便宜,我就想,算了自己做一个小
汤权
stm32/stm8
图中三极管发射级电压的问题
如图的一个电源电路如果R1=R2,那么经过U1这个跟随器后,输出是6V,此时导通三极管V1那么三极管发射级e的电位是多少呢?是6-0.7=5.3V吗?
shaorc
模拟电子
hsmp-3816的衰减器
用hsmp-3816做出来的可调衰减器,原理图完全按照芯片手册上面的图形来画图,但是在V+=5V,Vc=5V时,输入1Vpp的信号,低频时会出现失真是为什么?
小小卋界
RF/无线
推荐内容
热门视频
更多
慧净51单片机视频教程
低噪声 μModule DC/DC 转换器简化了 EMI 设计
PIC单片机新手入门
Microchip电源管理MCP19111-MCP87000系列产品
数字IC SoC HLS高阶合成 FPGA-快速入门与应用设计
工业电机驱动器 - 德州仪器系统方案介绍
了解和优化采样数据系统
新一代通信板上和服务器板上电源工作机理介绍和示例
WEBENCH BOM管理
网络研讨会: 热监测和保护
开源项目推荐
更多
使用 Semtech 的 SC1110 的参考设计
使用 ROHM Semiconductor 的 BD90640EFJ-C 的参考设计
用于仪表的 16 位 4 通道 DAC
使用 Analog Devices 的 LTC2415-1CGN 的参考设计
使用 Omron 的 S8VS-24024BE 的参考设计
控制电路包含用于反转单相电机的逻辑门和模拟开关
电源电路包含用于反转单相电机的分立半导体器件
使用 ROHM Semiconductor 的 BU4936 的参考设计
DC1813A-G,用于 LTC2367CMS-18、18 位、500 ksps、31MHz 低功率、低噪声模数转换器的演示板
NCP335 2A 具有自动放电路径的超小型可控负载开关的典型应用
热门文章
更多
51单片机-外部中断测脉冲个数
10元芯片炒到400元!汽车芯片缺货涨价致全球停产300万辆
Vishay推出用于多相电源滤波的汽车级IHSR高温电感器
磁翻板液位计显示面板结构改进设计及其必要性
Qorvo® 为 Google® Pixel 6 Pro 提供超宽带技术
通过CHNet-S7200PD实现以太网通信及ModbusTCP配置方法
中瓷电子拟收购氮化镓通信基站射频芯片业务,股票停牌
Omdia:三星电子连续16年销量位居全球电视市场首位
专访Cadence CEO:关于EDA的下一个挑战和变化在哪里
如何将安全LPC804 MCU芯片配置编程呢?仅可通过ISP模式么?
可能感兴趣器件
AT24C21
184104K63ACC-F
KSX368-313TT
FPCR1A1472A01XX
PCF0402-02-820RCT1
MV64538.MP8.E2A1
CLF292CR3K-14VAC-W18
84950-418HLF
040225VF104K4Z2A
68628-713HLF
ABSM3B-FREQ-S-R180-C-7-Y-T
MP-64R5-2-1-1
ESQT-106-02-H-D-725
SD-14596F3-864Y
CHE031F2GHT
AL0355-1R0-MBW
ATT-0586-21-HN0-07
ASMT-MW62-NCDR0
C531208010
PSR242-7-7IR
RA42KKAP
GUS-QS8BLF-0184R5-DC
SIT9045AAU23Q18DPA1.000000D
TX32SA2600RHXBXZC-PF
PHJ-6P4C-8S-DY-3
X3NEEMPTNF-24.000000
VJ0805Y332JEXAI
1812N122M250NX100HTM
RIAN16TTE1103DEDT
61112471-E-A-N
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