|
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
/
Putting It Together
本课程为精品课,您可以登录eeworld继续观看:
Putting It Together
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:13分23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
我的TI魔力芯动课堂之旅——为孩子们的电子课堂提建议
[font=微软雅黑][size=3][color=#000]接上篇:[/color][/size][/font][url=https://bbs.eeworld.com.cn/thread-433105-1-1.html][size=3]我的TI魔力芯动课堂之旅——带你了解德州仪器TI希望小学[/size][/url][font=微软雅黑][size=3][color=#000]3[/color]
eric_wang
TI技术论坛
差动放大
如图V0-V1(1+R2/R1)=(V2-V1(1+R2/R1))(1+R4/R3)这样计算可以吗??
vvyywy
模拟电子
物联网新领域780M无线传输模块
众所周知我们一直使用的无线频段是 2.4G 433 780M是本公司研发的新领域,相对于 24G 433 有明显的优势 如下图典型参数 2.4GHz 433MHz 780MHz 通信频率 该频段有蓝牙、WiFi以及其它短距离无线技术,同时家用的微波炉也在该频段范围内,用户比较多,设备间的兼容性和共存性是需要面对的问题。 该频段有对讲机,车载通信设备,业余通信设备等,受环境干扰比较大,而且采用单频点
hanzhixian
DIY/开源硬件专区
拆一个甲醛传感器,顺便问一下就没有可以出厂前校准的传感器吗?
这是前段时间在JD上买的一款甲醛检测仪,因为换房子想测一下,同时也想了解一下这个传感器的原理。这款甲醛检测仪的价格是199元,因为活动(一直都有)实际到手价109元是不是血赚?N年前装修房子时我买过一个,那时候的比较便宜好像是40多块钱,数码管那种,买回来因为操作比较复杂需要预热和校准,因为比较便宜不确定它的结果是不是准确性后来又买了专门测甲醛的药水。这次本以为价格合理功能就会强大些,结果到手后还
littleshrimp
传感器
充电器输出
我现在有一个疑问,充电器上标的电流是什么意思?
armxiaohai
模拟电子
关于MPU6050DMP的使用
如题,现在可以使用51单片机和STM32单片机读取MPU6050的数据。但是对于DMP的使用很茫然,不知道从何处下手,以及DMP如何使用,如果有前人做过还请毫不吝啬的在帖子下面回复一下,谢谢!:)
lee_sincere
stm32/stm8
推荐内容
热门视频
更多
村田RFID产品介绍
直播回放: TI Matter 解决方案助力智能家居创新
直播回放: ADI 在可穿戴产品中的生命体征监测解决方案
ARM开发之启动代码
适用于TI LaunchPad的Fuel Tank BoosterPack入门
飞思卡尔智能网络方案(IoTT大篷车)
Linux进程间通信
有源RFID的常见应用
TI SimpleLink MCU无线平台及软件套件介绍现场培训
TPS65086100: 多轨电源管理 IC 的用户编程
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
汉EV的高电压充电技术有什么特别之处?
充电5分钟续航200+,电动汽车超充技术是噱头还是黑科技?
汽车巨头都在争抢的黑科技,究竟有何魔力?
HBM3内存:向更高的带宽突破
STM32-一文搞懂ADC
牛刀割鸡,TWS耳机为啥也要上5G?
【C51自学笔记】ULN2003+蜂鸣器+继电器+步进电机
AR HUD将如何重新定义汽车HMI?
钳形交直流电流探头的操作步骤是什么
可能感兴趣器件
HDSP-3603-I0000
DSPIC30F7020T-30ISO
564-0100-813
CGJ3E2C0G1H121J080AA
240-034-3-9SCFR3U-.190
V48MLA1206NHAUTO
WPM2026-3/TR
1600DGG1504CEDA
UM-1J/M32BF7.99MHZ
10122280-144010TLF
TSL1315RA-101K2R5
T-18-B-F
NRC10F4123TRF
CO8900A-LV-70.0-T-C1
GS8662R08BGD-250
ABM2-15.999MHZ-R060-E-3-T
WEDF1M32B-70G2TI5A
54122-104-17-1100
1808CA122MAZ1A
7103L2Y9V81QE
PLTT0805Z1272BGTI
ATC700B222GWN50T
RU73PX2B30KATDF
82J4K-A16-G18/G18/G18/G18L
51760-10502015AB
ATS-12B-28-C2-R0
RV0603Y273GBTE
RMKMS91486K6BBT99
EH09273/273GYP
M55342M06B22A3PT0M
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