|
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
/
Model Representation I
本课程为精品课,您可以登录eeworld继续观看:
Model Representation I
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:12分1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
【四】【FPGA助学系列—NIOS篇】软核也疯狂1—图解NIOS建立
[align=center]【FPGA助学系列—NIOS篇】[/align][align=center][u]软核也疯狂(1)—图解NIOS建立[/u][/align][align=left][color=#000000][font=Calibri]1.[/font][font=Calibri]NIOS[/font]是什么[/color][/align][align=left][color=#00
kdy
FPGA/CPLD
分析C2000中用I2C 通讯协议与GPIO模拟
I2C总线由两条双向信号线构成,分别为数据线(SDA)以及时钟线(SCL),分别用电阻进行上拉,以实现高低电平之间的切换,进行设备之间的数据交交换。I2C允许的工作电压范围较为宽泛,典型电压基准为+3.3V或+5V。常见的I2C总线速率分为以下几种模式:标准模式(100Kbit/s)、快速模式(400Kbit/s)以及高速模式(3.4Mbit/s)等。如图为典型的I2C连接示意图:图1 I2C连接
Aguilera
微控制器 MCU
stm32f20x能买到样吗?
stm32f20x能买到样吗?
huahuikai
stm32/stm8
求助:有一段简单的电机正反转程序需要硬件
这也只是我写的一段简单的程序,但是硬件方面我就完全不懂了哪位高手帮下忙啊..............用的是汇编语言的说ORG 8000HAJMP DAMOTORG 8100HDAMOT: MOV DPTR,#9000HMOV A,#80HMOVX @DPTR,AACALL DELAYMOV A,#0FFHMOVX @DPTR,AACALL DELAYMOV A,#00HMOVX @DPTR,AAC
notangel
单片机
到底选择DSP还是ARM?
有些项目,从功能上考虑,选择Ti的dsp,或者STM的arm都能满足,但是从芯片的生命周期,供货安全,中美关系等等,方面考虑,计划研发生命周期较长的产品,二者选哪个合适呐?
aaron320
DSP 与 ARM 处理器
交流电源滤波器电路图及作用分析
电源滤波器 电源滤波器,又名电源EMI滤波器,或是EMI电源滤波器,是一种无源双向网络,是一种对电源中特定频率的频点或该频点以外的频率进行有效滤除的电气设备。 电源滤波器是针对电源端口电磁骚扰的特点而设计的,一般是由电感、电容、电阻或铁氧体器件构成的频率选择性二端口网络,实际上是滤波器的一种,按照工作原理称之为反射式滤波器。它可以在滤波器阻带内提供了高的串联阻抗和低的并联阻抗,使它和噪声源的阻
Aguilera
模拟与混合信号
推荐内容
热门视频
更多
基础教程:差分放大器以及相关设计软件的基础知识
直播回放:Microchip 在 RISC-V 应用中实现 MultiZone™ 安全性
[高精度实验室] 运算放大器 : 8 噪声
直播回放: Microchip安全系列21 - 利用TA100-VAO对ADAS和IVI系统的CAN FD进行安全引导和消息身份验证
埃隆.马斯克演讲:畅谈移居火星愿景
国嵌内核驱动进阶班
设计指南-数字电位器
WEBENCH串联电压基准选择工具概述
下一代收发器技术 (20nm)
直播回放: ADI 振动信号的精密采集信号链设计考量
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
防爆电机的工作原理_防爆电机的基本防爆型式
DCS和PLC之间有什么不同
日月光等封测厂商忙于为新iPhone提供高端后端服务
中佛罗里达大学获美军研究实验室450万美元投资 开发不依赖GPS的智能导航系统
apple watch7拆解评测:没有发现有趣新增功能
摩托罗拉edge 30 Pro曝光为骁龙8加持
2022年CIS市场将达219亿美元,三星进一步缩小与索尼差距
51单片机学习:串口通信实验
MI2492手持式三相电能质量分析仪的特点和应用场景
电路图
由运算放大器LM386构成的实用放大电路c
话筒放大及录音电路
采用集成电路的长延时电路之五
三相三元件无功电能表Y形
触摸式照明开关电路之四
荧光灯电子镇流器电路之十五
检测线电流的断相保护电路之三
力矩电机晶闸管交流调速电路之二
RTS5322(9音)电路
数字控制的多谐振荡器电路
电话音量键控电路
改造后的稳压电源图
用MCT的FT-1R光信号检测电路图
五层楼照明灯开关控制方法
闪烁路标灯电路
充电泵式电压变换器并联连接电路图
测量电路图
双路输出DC-DC转换器
电子捕鼠器
电动葫芦遥控电路
多机并联时防窃听监视器电路图
555智能电子守门狗电路
555同线电话机互叫铃声电路
用CW200组成的他激开关式集成稳压电源
614-B3(3kVA) 交流稳压器
精密仪表放大电路
改进型全桥移相ZVS-PWM DC/DC电路
实用的USB接口锂离子电池充电器电路(LTC4053作为控制器)
电路图:智能脉冲电动自行车充电器
可能感兴趣器件
JANTXV2N2218A
PS0055BE18236AP1
ML620Q156A-NNNTBWATL
2200AAH2004B3SB
MAX6408BS28-T
GTC01LCF-20-12P
641215-6
DTS24T25-20PE-6149
PM1-02-12799-2
C91-NWA5H-CW9
54SHSC151CB
CLP3Z-A1B3C4200-FREQD18
ABM3B-FREQ2-32-R100-3-X-T
KJA0T25W20PAL
PP6MMSFREQ2
WL685DD-Z01-1F
BU-63705F2-480Q
ACCL00E22-11PX(023)
NFP-26A-0104A-1
1206U271G501GT-B
89H34H16G2ZBBL
TE05E4221DT
RT0603DCE34K8
AM2312E3SR
PNM1010E2032DBT3
ECS-60-20-4LX-CWM
CFC-9PT3TO21-11SS0-E
PHT1206E4320LGTA
CR35-8060DV
99R2A-J16-S23/R57L
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