|
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
/
Deciding What to Try Next
本课程为精品课,您可以登录eeworld继续观看:
Deciding What to Try Next
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:5分50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
【BLE 5.3无线MCU CH582】12、MounRiver IDE使用记录
系列文章:【BLE 5.3无线MCU CH582】1、初识CH582开发板(开箱)【BLE 5.3无线MCU CH582】2、MounRiver IDE初体验【BLE 5.3无线MCU CH582】3、非阻塞方式点灯【BLE 5.3无线MCU CH582】4、串口不定长数据接收【BLE 5.3无线MCU CH582】5、硬件I2C驱动0.96吋OLED【BLE 5.3无线MCU CH582】6、p
freeelectron
国产芯片交流
CCS5里面不能显示图片
一直提示 No data available,刷新后也是这样
lrz123
DSP 与 ARM 处理器
LC高通滤波器
本人设计一款0.8-2GHz的LC高通滤波器,仿真完成后,投料生产,波形如图所示,波形很不正常,麻烦哪位大神告知一下,是什么原因导致以及怎样解决,万分感谢
lc滤波器
RF/无线
电源企业面向21世纪发展之浅见
我国现有电力电子产品(含各类电源、变频器、功率因数与谐波补偿装置)的生产厂家很多,但大多数不具备华为电气集团那样的规模与实力。无疑,像华为这样的企业,由于集中了财力物力,高素质的科技与管理人才(含高层次领导核心及员工队伍、资深智囊团、与名牌大学的合作队伍等),又得到政府鼎力支持,会在知识经济时代激烈的市场竞争中占有得天独厚的优势而令同行望尘莫及。现代化的内外运作机制和获得高科技信息的手段,将使其有
zbz0529
电源技术
关于220VAC整流后的波形
交流电的电压大小和方向随时间变化,220VAC整流后的电压只有大小变化,没有方向变化,那应该不属于交流电了吧?那如果我在整流后加一个电容降压电路,能降压吗?,这个问题想了好久也没想明白:L ,请高人赐教:victory: 。据我所知,比如功放输出的波形也是经放大/直流偏置后的脉动直流电,那信号耦合电容不是也能将信号耦合过去吗?这个问题也没想明白:L,我也知道电容是通交阻直/两端电容不能突变这两点,
harris
模拟电子
SMSC开始提供业界首款USB 3.0图形技术样品
[i=s] 本帖最后由 jameswangsynnex 于 2015-3-3 19:56 编辑 [/i] 智能型混合信号连接解决方案(Smart Mixed-Signal Connectivity?)的领先开发商SMSC今天宣布,针对多屏显示应用推出ViewSpan? USB 3.0远程图形技术。利用无所不在的USB连接端口作为显示接口,ViewSpan能为消费者提供可扩充、即插即用、且多样化的
探路者
移动便携
推荐内容
热门视频
更多
数字电路 徐惠民
ARM Cortex-A7来袭!合适的,才是最好的
多通道数据采集系统中高压多路复用器的系统级保护
呆萌机器人集体跳广场舞,少女时代舞曲
汽车电器与电子技术
【虚拟仪器大赛】基于NI-MyRIO的智能跟踪机器人
无线电动工具应用中电机控制设计的考量
直播回放 : 无线技术改变智能生活
designing electrical systems vol 1
漫画图解深度学习
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
雷达液位计测量不可靠原因分析
巴拉德推出重型电源模块FCmove-HD+ 尺寸更小却更高效
ATmega88 EEPROM数据存储器
MDK逻辑分析仪使用
万用表测直流时的方法
如何用DLO液体密度传感器精确测量盐水的浓度
航向姿态系统自动测试系统的组成原理和实现软硬件设计
电路图
齐纳二极管白色噪音发生器电路
EMC知识——RS485 接口的电磁兼容设计
方波发生器电路
高压报警电路
抗干扰电路
电感滤波电路
低压无功补偿控制电路之二
闪光信号灯电路之五
设计好的电路
STK441音响IC电路图
二次变频的ssb/cw收信机电路图
三角形接法电机零序电压继电器断相保护电路图
自激振荡的回扫变换器
ML2252的8位AD电路方块图
85——145V直流可调稳压电源电路图
简易对讲机接收电路
IR3SO5 内测光集成电路典型应用 副本
单片机温度测量电路
温度报警装置电路图2
LA4190功放电路
采用两个互补晶体管的脉冲发生器
荧光灯用电子镇流59电路
带频率调制的300MHZ松荡器电路
15V、1A集电极输出稳压电源电路
用脚步声触发的电子犬
使用Timer IC555的负电压发生电路
845E电脑主板电路图_66
电脑主板电路图 810 1_19
电脑主板电路图 815 2_07
电笛报警电路
可能感兴趣器件
84D2B-B16-K06L
2SD612F
NJ54C23195
1301230087
M85049/115S25KN12-6D
34-7435-10
240645-7
AE312RAAR27JSH
MXL1178S
SFM-110-02-LM-S-K
ABLS-LR-9.000000-18-A-U-T
74010G-23D-32PB
SC35M3900APS71840
PH1-GI2SC3922
TL083CN
KT5032N26000BEV30TAA
D-SUB-205AK25FGZBB123
M55342K11B66D5CT3V
MATP17SS-GK-BVT
SMM-110-01-H-D-P-TR
RH15G100A201CG
PR9406T298RDNC
KPAU-HLC-S
CC1-L4SL2E2R2JSPW
1206X7R391KC8AB
HMTMS-117-57-G-D-002-001
CCN-7808-06-56R0-G-B
FP2001471601GKAGW
CCL-6-5.999MHZ-E-1-4-F-B
HJ2V157M22025HA
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