|
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)
/
adding-higher-order-effects
本课程为精品课,您可以登录eeworld继续观看:
adding-higher-order-effects
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11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
求一个信号放大设计
我们老师要求我们做一个放大电路,要求放大一万倍,信号频率大概在76.2MHz,要考虑带宽和输入阻抗匹配的问题,求各位大神给个思路指导一下
tangjc2001
模拟电子
关于can通信部分
用两块开发板下的can程序,之间能通信,现在我拿了另外自己设计的一块板,这块板只要收到can发送的信号就会有反应,那么原来的开发板只是发送CAN信号就可以,那么我除了修改发送的ID号以外,还应该修改什么吗,有什么需要注意的吗?谢谢啦
宠燕精灵
NXP MCU
PCB封装导入3D模型时候如何有快捷键使其很好的对应?
就比如如下图。本来可以自己拖动3D 图形。放入其自己感觉合适的位置就行。但是总有些误差。有没有快捷键或者对应的脚快速对应的?
youluo
PCB设计
车载CAN总线网络数据访问及研究意义
汽车是我们生活中不可缺少的代步工具,搭载先进的ECU控制单元、高精传感器、高性能的执行器,并融合现代4G/5G通讯与定位网络技术的智能网联汽车已经走向了我们的生活之中。通过TBOX终端实现了车与车、车与互联网、车与智能交通、车与智慧小区、景区之间的信息传输,实现了车载网络的多融合生态。我国汽车保有量还在持续不断的增长,中国也会快速进入到汽车社会与发达国家拉近千人保有量的距离,智能汽车更是得到飞速的
suruide
汽车电子
初学者 想了很久也没想明白的一个问题
初学者 想了很久也没想明白的一个问题,请大学指点,谢谢!
redhat10
模拟电子
关于CAN总线的使用
目前不太明白的是程序中是隔500ms发送一帧数据的,但实际用示波器测得的是帧与帧之间的时间间隔是100us。这是哪里配置的不对吗?也是刚刚接触
ena
stm32/stm8
推荐内容
热门视频
更多
应用 V.I 晶片驱动LED II - 大功率 LED 阵列
TWS蓝牙解决方案
Microchip开关稳压器产品线介绍
MPLAB 代码配置器实验2
PIC24F "GC"系列 ——智能模拟简化了设计
Microchip PIC32的连通互联
MTD6505–低压小功率PMSM电机驱动IC
MCP6V0X高精度运算放大器的产品介绍
Microchip PICkit 3 Programmer To-Go功能演示
PIC10F32X和PIC16F150X系列的可配置逻辑单元
开源项目推荐
更多
LT1308ACS8 SEPIC 的典型应用电路将 3V 至 10V 输入转换为 5V/500mA 稳压输出
DC1562B-M,LTC6995-1 演示板,1 秒上电复位
具有跟踪功能的LT3095EUDD可编程输出的典型应用电路
NCP699SN25T1G 150mA、2.5 输出电压 CMOS 低 Iq LDO 的典型应用,在 TSOP-5 中启用
LV8731VGEVB,基于 LV8731V 2 通道 H 桥驱动器的评估板
LTC4020EUHF高压降压的多化学电池充电器
使用 OP297 的 OP297FPZ 简单桥式条件放大器的典型应用
三相交流 BLDC 高压功率级参考设计
EP53A7HQI 1A同步降压稳压器典型应用电路
LV56351HAGEVB,升压型DC-DC转换器的1通道评估板
热门文章
更多
智能 LED 灯泡通过连接设备或语音命令进行照明控制
英伟达并购ARM案会否获准?欧盟10月13日将给出答案
ATmega88 减少功耗的方法
示波器小课堂之如何优化示波器性能
高通携产业展示骁龙数字底盘强势势头,定义汽车行业未来
必备!万用表使用手册
TDS 210数字式示波器的首要功用
探索矢量信号发生器 分享通用矢量信号发生器架构
电路图
发光二极管显示电路之二b
MIC29152和双运放构成的恒流源电路
三级差放的功放电路
两款电子管OTL放大器02
HA1377功率放大器电路图
遥控接收器照明电路
选频光电继电器电路图
ELM95系列典型应用电路图
使用计数器的光强度检测电路图
B220型龙门刨床电气原理图(3)
交流欠压自调装置电路
双华ZNB-P配电流互感器的应用电路
差光检测电路
低耗电多谐振荡器电路图
英文记事本
简单断续声报警器
石英晶体矩形波振荡器电路图
LA4422功放电路
反相器构成的触摸开关电路2
555低转换系数的电压/频率转换器电路
纺织机三停数字控制仪中应用的光敏控制电路
高速触发器电路
具有多输人端的双稳态电路电路
爱立信788旅行式充电器电路图
加有偏置的推挽功率放大电路
红外遥控密码开关电路
845E电脑主板电路图_37
可能感兴趣器件
SMBTA14
22320
137
SPE0525S26RGB
7101TH3AW1BE
1N5934B
BZX84-C39
240-0323-25PCC6K1-18F
MAX6442KANTWD7+T
SLN5TTED62L0D
MAX3320LCAP
CMF502K0500FKR7
GUS-SS4ALF-03-1543-GG
240-0312-25SPB1NN
XE40-L66G-M-0.450MHZ
8LT7-13B35PAML
RS1BB-13
P11S2V0FGSY00472ML
89446-308
UUJ2G100MNL1MS
RN732ETTD36R1B50
LFXTAL010633Bulk
155240-0189
GQCBLF014021CAT
579S250IAT
521-26-06-SV-005F
HAS060YH-A92H
75405-034LF
76345-704-52LF
54122-106-26-0900R
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 © 2005-2026 EEWORLD.com.cn, Inc. All rights reserved
用户评论