|
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
/
Neurons and the Brain
本课程为精品课,您可以登录eeworld继续观看:
Neurons and the Brain
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:7分47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
HE-AAC V2码流
现急寻在要在LINUX下面解DAB+码流方案,最好是在ARM平台下,有兴趣者请联系:[email]sxxa2004@163.com[/email]
hdqs
Linux与安卓
STM32F769I-DISCO评测【6】——简单的模拟打地鼠游戏
[i=s] 本帖最后由 xinmeng_wit 于 2016-12-27 13:32 编辑 [/i]这一篇我就分享一下我的基于STM32F769I-DISCO的打地鼠游戏,其实不能称作一个游戏,只是简单的模拟一下打地鼠的功能。需要用到的资源有:一、LCD;二、触摸屏;三、定时器;四、LED。打地鼠游戏相信各位大神小时候都玩过,就是每次冒出一个地鼠,需要去敲击冒出来的地鼠,如果敲中了则得分+1,没敲
xinmeng_wit
stm32/stm8
英飞凌软件和工具怎么使用,谢
ifxconfigwizard怎么使用[url]http://www.infineon.com/cms/cn/product/evaluation-boards/TLE986X+EVALB_JLINK/productType.html?productType=5546d4624fb7fef2014fd14586057ec1#ispnTab12[/url]
大发明家
PCB设计
猜猜这些线是干什么的?
五一假____西瓜地照猜猜柱上的线是干什么的?
ltbytyn
聊聊、笑笑、闹闹
请问一个关于MAC地址的问题
Windows下有很多方法可以查看本机的MAC地址:ipconfig /all;或者利用API:GetAdaptersInfo or Netbios.可他们一定是有什么公共部分吧?我试过这样:在注册表里修改本机的MAC地址,再用上述几种方法查MAC时,显示出的都是修改后的MAC.所以我怀疑它们的实现在底层有公共的部分,一开始想这个公共部分应该是某个查询注册表的API:RegQueryValue.但
koala98222
嵌入式系统
系数乘法器及其在航空火力控制系统中的应用
航空火力控制系统是指攻击机利用本机所携带的武器对敌方各种目标进行搜索、跟踪、瞄准和实施攻击的机载设备的总和。在这个系统中,符号发生器是关键部件之一,其功能是在处理机的输出指令控制下接收所画符号的参数及命令,产生以笔划法书写符号所需的x、y两个方向的模拟偏转电压,送到偏转电路,控制CRT屏幕上电子束的运动,实现画符号;同时产生一个辉亮信号去控制CRT栅极电压,确定所画符号的亮暗度。显示器显示的是一些
hudie0
为我们提建议&公告
推荐内容
热门视频
更多
LDO Output Noise LDO输出噪声
Linux块设备驱动开发解析
以STM32F3升级您的应用
Xilinx 7系列串行收发器的RX 抖动裕量分析演示
Quartus Prime开发流程(英特尔官方教程)
随机信号处理 西电 赵国庆
CMOS模拟电路视频讲义 EECS240
电子设计从零开始
手把手教你用Arduino+游戏手柄+电机驱动控制步进电机
利用 DC / DC 转换器在热性能和小尺寸解决方案之间进行权衡
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
丰田汽车的自动驾驶软件平台和高算力集成式架构
爱立信中国总裁赵钧陶:5G经济尚未来到
消息称台积电计划在台中市建2nm芯片工厂
鄂州华容区10个项目签约,涉及芯片应用开发等
新型pSemi Sub-6 GHz射频开关
大批网友反映电脑版微信登不上
泰克TLA6204逻辑分析仪特性
电路图
解读二极管浪涌电流测试电路
可变脉冲宽度电路
栅极接地放大器的电路连接方式
CO2气体保护电磁振动电弧堆焊电源设备电路
稳定的超低频三角波-方波振荡电路
便于在仪器内安装的1至2W音频功率放大器
分立元件声光控楼梯延迟开关电路(8)
红外线感应水龙头自动洗手器电路
误差放大器等效电路图
μPC1280V音响IC电路图
YN9101双音多频信号遥控接收电路
条线图电压表
欣灵HHD2电动机保护器典型应用电路
OPT209电路功能方块图
LM2577基本应用电路图
负2V-12V基准电压源
光脉冲接收电路
视频信号切换电路
最实用基本图解电路01-常见单元电路
差转机自动延时开关电路
简易调频发射电路(二管)
555冰箱关门提醒器电路(二)
555交流电焊机空载节电装置电路
DM60l 8/DM6018C/DM6018F型 3 1/2位数字万用表电路
TTL状态探头电路
High Frequency Sine Wave Generator
单芯片1000Hz锯齿波电路
电流型运放组成的压控振荡器
由光敏二极管控制的电磁铁执行电路
可能感兴趣器件
381LR181M420K022
7940T62CTA
I405-51662VS-20.000
RLR32C22R1FRRSL
RBP25CBT1500
A205S1RNMCBF
63TEH-3-3-4-1-2
GSX-433/233DF16.0MHZ
801-011-07UCR10-201SE
SJTP00RT-14-68PB(LC)
15SW,BK
4310T-102-1040BAL
RSB3VM02130112
64-20610-75-0300
EEDP-016-40.00-DS1-DS2-2
MTSW-208-22-G-D-0330-RA
ISC-12100.18UH+-3%R98
EQTG33D2DH-409.600MTR
87319-208
0041.9139.3.2.1.004
BG025-46-G-0600-0250-0250-L-E
94A1D-H24-C12L
PRVS6QWE100OHM20%ABO50
ZDC180
WF10T2981CVLQ
CPF-242R7DT-1E36
YRM26F2FBYHN
RIAN16TTEB624JCCY
VI-RC3421-EVXYH1-CC
VJ1825Y184KXEAR5G
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