|
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
/
机器学习基础:案例研究(华盛顿大学)
/
canvas-for-data-visualization
本课程为精品课,您可以登录eeworld继续观看:
canvas-for-data-visualization
登录
播放列表
课程目录
课程笔记
课时1:welcome-to-this-course-and-specialization
课时2:who-we-are
课时3:machine-learning-is-changing-the-world
课时4:why-a-case-study-approach
课时5:specialization-overview
课时6:how-we-got-into-ml
课时7:who-is-this-specialization-for
课时8:what-you-ll-be-able-to-do
课时9:the-capstone-and-an-example-intelligent-application
课时10:the-future-of-intelligent-applications
课时11:starting-an-ipython-notebook
课时12:creating-variables-in-python
课时13:conditional-statements-and-loops-in-python
课时14:creating-functions-and-lambdas-in-python
课时15:starting-graphlab-create-loading-an-sframe
课时16:canvas-for-data-visualization
课时17:interacting-with-columns-of-an-sframe
课时18:using-apply-for-data-transformation
课时19:predicting-house-prices-a-case-study-in-regression
课时20:what-is-the-goal-and-how-might-you-naively-address-it
课时21:linear-regression-a-model-based-approach
课时22:adding-higher-order-effects
课时23:evaluating-overfitting-via-training-test-split
课时24:training-test-curves
课时25:adding-other-features
课时26:other-regression-examples
课时27:regression-ml-block-diagram
课时28:loading-exploring-house-sale-data
课时29:splitting-the-data-into-training-and-test-sets
课时30:learning-a-simple-regression-model-to-predict-house-prices-from-house-size
课时31:evaluating-error-rmse-of-the-simple-model
课时32:visualizing-predictions-of-simple-model-with-matplotlib
课时33:inspecting-the-model-coefficients-learned
课时34:exploring-other-features-of-the-data
课时35:learning-a-model-to-predict-house-prices-from-more-features
课时36:applying-learned-models-to-predict-price-of-an-average-house
课时37:applying-learned-models-to-predict-price-of-two-fancy-houses
课时38:analyzing-the-sentiment-of-reviews-a-case-study-in-classification
课时39:what-is-an-intelligent-restaurant-review-system
课时40:examples-of-classification-tasks
课时41:linear-classifiers
课时42:decision-boundaries
课时43:training-and-evaluating-a-classifier
课时44:whats-a-good-accuracy
课时45:false-positives-false-negatives-and-confusion-matrices
课时46:learning-curves
课时47:class-probabilities
课时48:classification-ml-block-diagram
课时49:loading-exploring-product-review-data
课时50:creating-the-word-count-vector
课时51:exploring-the-most-popular-product
课时52:defining-which-reviews-have-positive-or-negative-sentiment
课时53:training-a-sentiment-classifier
课时54:evaluating-a-classifier-the-roc-curve
课时55:applying-model-to-find-most-positive-negative-reviews-for-a-product
课时56:exploring-the-most-positive-negative-aspects-of-a-product
课时57:document-retrieval-a-case-study-in-clustering-and-measuring-similarity
课时58:what-is-the-document-retrieval-task
课时59:word-count-representation-for-measuring-similarity
课时60:prioritizing-important-words-with-tf-idf
课时61:calculating-tf-idf-vectors
课时62:retrieving-similar-documents-using-nearest-neighbor-search
课时63:clustering-documents-task-overview
课时64:clustering-documents-an-unsupervised-learning-task
课时65:k-means-a-clustering-algorithm
课时66:other-examples-of-clustering
课时67:clustering-and-similarity-ml-block-diagram
课时68:loading-exploring-wikipedia-data
课时69:exploring-word-counts
课时70:computing-exploring-tf-idfs
课时71:computing-distances-between-wikipedia-articles
课时72:building-exploring-a-nearest-neighbors-model-for-wikipedia-articles
课时73:examples-of-document-retrieval-in-action
课时74:recommender-systems-overview
课时75:where-we-see-recommender-systems-in-action
课时76:building-a-recommender-system-via-classification
课时77:collaborative-filtering-people-who-bought-this-also-bought
课时78:effect-of-popular-items
课时79:normalizing-co-occurrence-matrices-and-leveraging-purchase-histories
课时80:the-matrix-completion-task
课时81:recommendations-from-known-user-item-features
课时82:predictions-in-matrix-form
课时83:discovering-hidden-structure-by-matrix-factorization
课时84:bringing-it-all-together-featurized-matrix-factorization
课时85:a-performance-metric-for-recommender-systems
课时86:optimal-recommenders
课时87:precision-recall-curves
课时88:recommender-systems-ml-block-diagram
课时89:loading-and-exploring-song-data
课时90:creating-evaluating-a-popularity-based-song-recommender
课时91:creating-evaluating-a-personalized-song-recommender
课时92:searching-for-images-a-case-study-in-deep-learning
课时93:what-is-a-visual-product-recommender
课时94:using-precision-recall-to-compare-recommender-models
课时95:application-of-deep-learning-to-computer-vision
课时96:deep-learning-performance
课时97:demo-of-deep-learning-model-on-imagenet-data
课时98:other-examples-of-deep-learning-in-computer-vision
课时99:challenges-of-deep-learning
课时100:deep-features
课时101:deep-learning-ml-block-diagram
课时102:loading-image-data
课时103:training-evaluating-a-classifier-using-raw-image-pixels
课时104:training-evaluating-a-classifier-using-deep-features
课时105:loading-image-data
课时106:creating-a-nearest-neighbors-model-for-image-retrieval
课时107:querying-the-nearest-neighbors-model-to-retrieve-images
课时108:querying-for-the-most-similar-images-for-car-image
课时109:displaying-other-example-image-retrievals-with-a-python-lambda
课时110:you-ve-made-it
课时111:deploying-an-ml-service
课时112:what-happens-after-deployment
课时113:open-challenges-in-ml
课时114:where-is-ml-going
课时115:whats-ahead-in-the-specialization
课时116:thank-you
时长:4分9秒
日期:2019/09/29
收藏视频
上传者:抛砖引玉
去评论
课程介绍
相关标签:
机器学习
ML
在本课程中,您将从一系列实用的案例研究中获得有关机器学习的动手经验。 在第一门课程的最后,您将研究如何基于房屋特征预测房价,从用户评论中分析情绪,检索感兴趣的文档,推荐产品以及搜索图像。 通过使用这些用例的动手实践,您将能够在广泛的领域中应用机器学习方法。
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
[请问]哪里有eVC下的IP控件
rtthx
wing0220
嵌入式系统
通用示波器的使用介绍-鼎阳7“屏
分享一个示波器的使用说明。介绍示波器的几大系统和功能参数。包括示波器界面,按键,功能应用等等[[i] 本帖最后由 潇潇雨歇 于 2012-8-24 09:43 编辑 [/i]]
潇潇雨歇
DIY/开源硬件专区
点火器原理图
供您参考
gaoyanmei
测试/测量
一种启动电路的分析
启动电路在模拟集成电路设计中应用广泛,主要是因为电路往往存在两种稳定的工作状态,其中一种可能是我们不希望得到的零偏置状态,故需要启动电路来消除这种偏置点。附件中以典型的一阶带隙基准电压源为例,说明一种启动电路的工作原理。
linda_xia
模拟电子
跟帖说说中秋了你最想要什么礼物?
[size=3]马上中秋节了,琢磨着给大家选些礼物用芯币兑换呢。芯币不多的看这里:[url=https://bbs.eeworld.com.cn/thread-370908-1-1.html]赚取芯币攻略[/url]{:1_102:}[/size][size=3][/size][size=3]除了月饼,还想选一些其他礼品,有什么好推荐吗?价格50到150左右的。或者说说你最近想买的东西是什么?[/
eric_wang
聊聊、笑笑、闹闹
STM32晶振问题
请问用STM32如何产生晶振从而可以对外部芯片提供晶振?
forever1314
stm32/stm8
推荐内容
热门视频
更多
直播回放 : ADI 基于 ADPD188BI 的烟雾探测器集成解决方案
X-NET在Allegro多点PCB等长设计中的应用
磁场简介:第三部分
MSP430开发工具
永磁电机的磁场定向控制
无需充电的电动牙刷
直播回放: Renesas 瑞萨RA MCU家族成员快速增长,助力打造安全稳定的工业控制系统
霍尔效应设备及连接方式
SpaceX Grasshopper 可回收火箭草蜢第5跳 250m 测试
不同焊锡之间的焊接对比和各种元器件的焊接方法技巧
开源项目推荐
更多
LTC3638HMSE 6W LED 驱动器降压稳压器的典型应用电路
【已验证】J-Link V9 Base /jlink
桌面音箱改造蓝牙音箱
【梁山派开发板】遥控智能车
【开关电路】LM2577-ADJ可调升压电路
使用 Analog Devices 的 ADP8140 的参考设计
BTS 3134 N智能低边电源开关典型应用电路
AM1DM-0503SH60-NZ 3.3 Vout、1W 单路输出 DC-DC 转换器的典型应用
可编程逻辑控制器调制解调器
超声驻波轴向悬浮移动装置
热门文章
更多
电缆故障测试仪故障产生原因
Tiny4412裸机程序之代码重定位初体验
使用MSP430 Launchpad开发板连接HC-05蓝牙模块控制LED灯
OPPO「造芯」,小步快跑
ATmega168 引脚功能
智融科技电源管理芯片引领科技浪潮
Capcon又获日月光高雄厂先进封装设备大批量采购订单
三菱PLC与三菱变频器的RS-485通讯探讨
电路图
常用感应电路
卫星接收天线随动控制电路图
开关电源驱动器PM4040F应用电路图
单片机控制回路
电池快速充电控制集成电路图
机械触电开关量的变换电路c
浴室内局部等电位连接
夜间车辆交会灯光自控电路
RC反接电动机制动电路
断线式防盗报警器电路(一)
雪花牌BD-100型电冰箱电路
交流无触点自动调压器电路图
单线进出的延时开关电路
TDA1010A功放电路图
机井群集中遥控电路
用模拟乘法器构成的调幅电路
双臂整流模块串联电路
三分频音乐彩灯电路
铂电阻温度曲线修正的信号调节电路
采用μPC3423构成的电源过压保护电路图
扩大电源变压器输出容量的电路图之二
4位马达开关
叮咚门铃电路
会唱歌的不倒翁电路
2~20MHz变频晶体管振荡器
双极性输出时的电流扩展电路
互补管自激多谐振荡器电路
TA8859枕校电路
塔吊无线遥控电路(SF05B/SJ05C)
6、AST-2型彩色显示器的电源电路图
可能感兴趣器件
NRB-XS1R8M200V16X25F
0603R0050-33
LT1761ES5-SD-PBF
PE-53663NLT
7912-0101NA
425FX2D030M0000
SP2-028-S225/01-66/2
ERCD-020-10.00-STL-TEU-1-D
CPS19-NC00A10-SNCCWTWF-AI0MBVAR-W1050-S
TMM-103-01-F-D-SM-TR
SIT9120AI-1B1-XXS100.000000E
BDX87C
PLE11P4CN
DMZ1301-9EPD0AF
AM29SL800BT-200WBC
805-004-02Z19-10SB
8526-2H2221PN
TOTX170
530MA1328M00BGR
65_SMA-50-0-21/11-_YE
84R7LCM0405MK040
ASTMLPD-25-66.600MHZ-LR-NB-T
CHC-CH8ALF-03-2492-DB
MC9S12C96VFU16
Q70.0-32-50/50-T2-5OT-TR
NTRA10HC1242CTRQYF
WBC-T0303AG-07-1202-KC
Q20.0-8-50/5-T4-5OT-TR
ABM81-12.000MHZ-S-KQ-T3
TAZA225M004CBZ0023
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