|
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）
/
learning-curves
本课程为精品课，您可以登录eeworld继续观看：
learning-curves
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：5分36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
STC系列单片机程序下载工具
用于STC系列单片机芯片的程序下载工具
fanspeed
单片机
WinCE如何加载位图
满足如下条件:1. WinCE5.0(C++)2. 从文件读取一个RGB24bit的bitmap3. 读取的数据转化为RGB16bit,即:RGB565的bitmap4. 将数据加载到屏幕(或者DDraw的后台缓存中)Thanks in advanced!
yangxuetao
嵌入式系统
绝了！俺朋友的MSN签名
上联：止尿喝三鹿；下联：丰胸饮圣元；横批：霸王绝顶无奈啊:)
fish001
聊聊、笑笑、闹闹
功放电路35 例
功放电路35 例
童诗白
模拟电子
求助！！！！！！！！！
lz的笔记本电脑连接单片机的时候不能读出来。。。。。。驱动已经装了。。。。。这是怎么回事。。。。。。。。。
luosngjun
51单片机
TMS320VC5509A 开发板硬件的LED指示灯、按键
LED指示灯开发板底板具有1个电源指示灯LED0（位于电源插座旁），以及3个用户可编程指示灯，它们分别是LED1、LED2和LED3，原理图如下：按键本开发板总共有1个系统复位按键KEY3、2个用户测试用按键KEY1、KEY2。原理图如下：
火辣西米秀
微控制器 MCU
推荐内容
热门视频
更多
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
法拉利新专利：新智能头盔
三星永久关闭Tizen应用商店：手机、手表彻底放弃该系统
传言谷歌将在Q4推出折叠屏手机
油混汽车相比于燃油车的优势是什么
西门子PLC的计数指令
新技术“转导”不同量子信息模式
电路图
U段射频调制器
AM收音自动搜索和触发电路
晶闸管交流开关电路之六b
常用的压机用油泵电动机控制电路
STK082G功率放大器电路图
灯光亮度自动控制电路
微型收音机的制作电路
电子“礼仪小姐”红外接收及语音电路
线性可调稳压器图
高Q值带通滤波器电路图
STK433音响IC电路图
手持无线电收发机的直流变换器电路
简易压控放大器电路
前进和后退激磁控制电路
无极性充电器电路（二）
具有10位精度的鉴相器电路图
二极管或门电路
具有小刻度的热电偶温度测量电路
电磁流量的输入放大电路
节能自适可调稳压电源电路图
温度频率变换器电路图
打频式超声波多用驱虫器电路
单段式即录即放型语音电路
LA4422功放电路
全自动无触点交流稳压器电路
用与非门组成的负电源发生器电路
自适应脉冲编码语音合成系列
845E电脑主板电路图_10
电脑主板电路图 440LX2_24
可能感兴趣器件
FCR-02-01-40-01-000
54242-804-30-2350
177-007-9P5NH6-06
E1125AMETC-24000M-CL175
380LF109NF14
Si8431AB-D-IS
RN73H1JTTD1011A10
PWC2010-3R48FI
LFVCXO067658Reel
DKA124-79GG
97-3101A22-28P-426-438
K8DS-PU1
MAX8883EUTQ5+T
B32361A4606J80
AA0201FR-0714K7L
1709913
ABD-06BFMM-LL7A02
PGSMAJ17CAHR3G
MB7460-500
MAX1274ACTC+
B41002A6225M
5-1676481-2
MTMM-111-13-TM-S-614
JAN1N5536CUR-1
HLS618-51TT3M
51762-11214800BA
66068-572
9C08052A8664FKPF3
51700-10505605CCLF
C49W-A3B4C425-FREQD16
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
单片机
嵌入式系统
聊聊、笑笑、闹闹
模拟电子
51单片机
微控制器 MCU
京公网安备 11010802033920号
Copyright © 2005-2026 EEWORLD.com.cn, Inc. All rights reserved
用户评论