|
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)
/
applying-learned-models-to-predict-price-of-two-fancy-houses
本课程为精品课,您可以登录eeworld继续观看:
applying-learned-models-to-predict-price-of-two-fancy-houses
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:7分20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
易電源學習心得
[b]易電源學習心得[/b]剛剛參加了玩遊戲,體驗易電源。正如題所示,通過遊戲來體驗易電源的通俗學習方式,通過學習易電源,深深體會IT設計工程師的初衷,特別在介紹個單位器件時詳細說明。遊戲中,大大啓發我們對電子的好奇心。想想原來如此簡單的電路在操作時因動作失誤導致錯誤的搭放。結束后我尋思“做什麽事都要腳踏實地,即使再簡單的問題也要講究細節”。在此感謝“電子工程世界”及“德州儀器”為廣大學子提供學習
bas114
模拟与混合信号
【NXP Rapid IoT评测】Rapid IoT Studio尝试
Rapid IoT Studio是恩智浦快速物联网原型设计套件的免费在线集成开发环境(IDE)。Rapid IoT Studio为大量物联网应用创建、部署和管理完整的嵌入式云解决方案提供了最快捷、最简单的方式。而且,凭借可视化拖放式编程界面,您无需编写任何代码即可完成所有操作。使用过程中,建议还是使用firefor火狐浏览器,相比IE360 等等 的浏览器,畅顺很多。[url]https://ra
dvd1478
无线连接
MSP430的SD24A采样结果溢出的问题
MCU:msp430afe253带有SD24A模拟采样模块想知道当上一次的采样数据没有读取时,新的一次采样结果又来到此时,新的结果会覆盖原来的结果还是SD24A丢弃新的采样结果?
armcu
微控制器 MCU
240x128液晶T6963控制器驱动程序
我支持的一个
rain
工业自动化与控制
SABER与控制系统仿真
SABER与控制系统仿真
tonytong
电源技术
求购STM32F407或者429的闲置板子
要求功能正常。。几成新到无所谓。功能正常即可。有的请带价M我。。谢谢
zfz0122
淘e淘
推荐内容
热门视频
更多
有源或门的应用和优点
Microchip数字电源参考设计
Microchip无传感器FOC变频洗衣机
家电应用中高效节能的双电机控制
MPLAB®代码配置器简介及实验1
Microchip温度传感器系列产品
MPLAB代码配置器实验4
RF4CE万能遥控器参考设计
MCP6V0X高精度运算放大器的产品介绍
Microchip XLP超低功耗16位开发板
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
MEMS光纤传感器制造商拜安传感获得A轮投资
正确选择调节阀作用形式的重要性
三星健康称将继续在iOS终端提供服务
小米12屏幕惨遭“阉割”
使用氮化镓(GaN)提高电源效率
贸泽备货u-blox JODY-W3基于主机的汽车模块 提升多通道高数据速率通信能力
电路图
力矩电动机单相调速电路之一
延时电路
μPC1185H2功率放大器电路图
逆变电源电路图
压缩机系统电路图
简易高压电源(二)
低成本超高压发生器电路
NE555构成的脉宽调制式开关稳压电源电路图
555组成的占空比可调的方波发生器电路图
用CMOS电路构成的非编码触摸键盘
自动排气扇电路
多功能电风扇触摸调速电路
检波式交流毫伏表电路之三
超温报警电路
载波巡检报警监测电路
Universal Battery Charger
用232做的14V电源电路
555带有加温音响报叫的限温控制器电路
脉冲频率检测电路
ENVISION CM-335F型VGA彩色显示器的电源电路图
3.8kHz振荡电路
低功耗多谐振荡器
高速单稳态电路(一)
半桥不对称PWM控制变换器主电路图
875p电脑主板电路图_042
可能感兴趣器件
742C163121XP
SR290
DH-7ZAB
288TB28R161B1
2200JGH1504B3JB
CX-6VC-SM332.768C
0638199800
MT45W8MW16BGX-708 WT TR
RN55E6983FB14
SNMPK034707B1AJS00
C337C223M2R5HA
HI20203JCB
SPR22132K2000JK
FRS40-27LG
RK73H2ERTTD1070D
0041.9120.6.2.3.052
GTS01F-28-22S
RC0805FR-101K1L
JT06RE-20-39PA(301)(LC)
0874371463
0152660969
DC2504A
TSW-110-12-T-S
MTSW-122-10-T-S-480-NA-020
1600HGF300213DB
177-714-2-15GP8K5-24BDN
GMSM5-35S-6C4-.750B
J115F2E1AN9DXX.6BZ
MACH4-32/32-14VI
TMM-124-04-LM-S-SM-01-P-M-TR
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