|
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
/
Problem Formulation
本课程为精品课,您可以登录eeworld继续观看:
Problem Formulation
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54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
CC2541 蓝牙BQB认证
我给客户做加工,程序是对方提供,因为产品要出口,要做BQB认证,对这方面不了解,哪位大哥指点一下{:1_98:}
顺手牵→猪
无线连接
建了一个置换旧物的群 欢迎大家入群
[font=微软雅黑][size=3]俗话说旧物易主贵如宝,为方便大家交流置换手中闲置的开发板、图书、有意思的小玩意:pleased:建了一个置换群,欢迎大家加入。群号:[b][color=#0000ff]309018200[/color][/b] 敲门暗号:淘E淘[/size][/font][font=微软雅黑][size=3][/size][/font][font=微软雅黑][size=3]
eric_wang
淘e淘
MSP430高频模式下串口配置问题 急急急!!
项目用的是msp4305438A之前用的是8M的晶振,现在换成了25M的。关于串口配置的问题查表发现数据手册上只给出了最高20M的各个位设置。同时手册上提到了一种过采样模式。这种模式支持以高输入时钟频率采样UART位流。想请教各位大神,换成25M之后是否需要过采样模式,如果需要,UCBRFx这个位该怎么设置?
两个人的烟火
微控制器 MCU
怎样检测正在运行中的中高压Y电容?
[size=4][color=#1b1b1b][font=宋体][/font][/color][color=#1b1b1b][font=宋体]如果带1库的电量时两级间的电势差是1伏,这个Y电容器的Y电容就是1法拉,即:C=Q/U 。但Y电容的大小不是由Q(带电量)或U(电压)决定的,即Y电容的决定式为:C=εS/4πkd 。其中,ε是一个常数,S为Y电容极板的正对面积,d为Y电容极板的距离,k则是
qwqwqw2088
模拟与混合信号
LM4F231在IAR下的float变量
芯片是LM4F231, ARM M4的内核,开发环境是IAR 6.3。遇到的问题,当定义局部变量时比如 float f=1.1; 时在IAR下察看local 局部变量值时发现f变量值为 也没有分配变量地址。对于这一问题研究了很久,起初以为是float变量不能用局部变量,但是却可以定义局部变量数组。 通过研究汇编代码发现,定义一两个局部变量时这些变量被直接分配给FPU寄存器S0-S31。而由于数组是
yjf256156
微控制器 MCU
基于Windows CENET的嵌入式PC视频监控系统.pdf
基于Windows CENET的嵌入式PC视频监控系统.pdf
yuandayuan6999
单片机
推荐内容
热门视频
更多
Atmel高性能MPU简介
平板示波器使用方法视频教学
第六届飞思卡尔智能车竞赛电磁组(电子科技大学信息工程学院)
CES 2015焦点: Novi重新定义智能家居保安
PIC®单片机与LED驱动及控制相关外设介绍(下)
直播回放: AVNET 使用 MPLAB® 生态系统和 Curiosity Nano 开发板,打造创新式的开发工作流程
OMAPL138/C6748/AM1808系统设计
嵌入式Linux网络设备驱动开发
基于成本和效率考虑的PFC设计
LDO压差说明
开源项目推荐
更多
LT3692AIFE、12V、3.3V、2.5V、1.2V 四路输出、具有外部同步、输出排序和跟踪应用的典型应用电路
LT6656ACS6-2.5、2.5V 精密电流和升压电压基准的典型应用
【中山大学校赛】远程继电器控制板
电位器传感器 V1R0
LTC3707 的典型应用 - 高效率、两相同步降压型开关稳压器
MIC4682 的典型应用:精密限流 SO-8 超级开关降压稳压器
小车比赛
AMIS-3910XGEVB,带保护评估板的八路高端驱动器
LTC4425EDD 演示板、具有限流理想二极管和 V/I 监视器的线性超级电容器充电器
ADA4505-2ARMZ 血糖仪中使用的四极黄油滤波器的典型应用电路
热门文章
更多
可能感兴趣器件
030-8612-010
2200FAG6002B3SA
HSM3-6.4-18-1
LT1077AMH/883B
GMPM1-D112PT18F2-460M1
231216501473
ATS-01D-90-C1-R0
ACLM-4903HC89-RC
D450CH12DJ2
DHV1420-33U
DM1501-7RD7F
RN5RG20AA-TR-FA
RS5RM5242-T1
FFC-5E41PN511
PT7M6439CHTA3
PGD-001-2B3
AD14ZF0432JT2
2200JGH500123GA
PH4M25-209SDBOTA4/7.2/3-U
7105J62CQI22
77311-495C09
BLU0603P-3241-CT10Q
MF3DH2300DA4/00
H226375G
MJHS-05R2-11R-018-5N16
MOR200SFB-910K
XC9208A106MR
RNN70E4592BMRJ8
03028-BR223AJMP
C1206X7R250-332JNU
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