|
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
/
机器学习基础:案例研究(华盛顿大学)
/
clustering-documents-an-unsupervised-learning-task
本课程为精品课,您可以登录eeworld继续观看:
clustering-documents-an-unsupervised-learning-task
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39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
开关电源中 电感的纹波率R 一般有个建议值0.4左右为最佳?那我开始问了?
开关电源中 电感的纹波率R 一般有个建议值0.4左右为最佳?那我开始问了?我们在设计电感值的同时,设定一个电感纹波率的经验值0.4,那我们设计电感肯定是在最恶劣的电压条件下计算的电感值,因为输入电压经常是一个范围,那当输入电压改变时,占空比也改变了,这个时候实际的电感的纹波率不就改变了吗?那也不可能是0.4啊,这是怎么考虑的?
小太阳yy
开关电源学习小组
设计一款电源时,如何选定二极管和电感元件
[font=新宋体]今天,在咱们的水群(群号:[size=3][color=#ff00ff][b]309018200[/b][/color][/size],欢迎大家加入~[/font]{:1_124:}{:1_124:}{:1_124:}[font=新宋体])里针对一个小水友的提问展开了十分热烈的讨论,讨论很精彩,干货满满。这里管管做个简单的整理,晒上来大家也看看,同时,大家在这方面如果有自己的看
okhxyyo
电源技术
WinCE5.0挂接IDE硬盘的疑惑?
WinCE5.0挂接IDE硬盘的疑惑?有个项目,想使用IDE44pin接口挂接最少64GB的外部存储器,现有如下问题和大家讨论:1.工作电压:现在手头上的IDE电路是直接从S3C2440上IO口引出,鉴于3.3V的IO电压,似乎不能正常驱动一般5V供电的硬盘,对不?对于一般的磁盘式硬盘(才用温彻斯特硬盘结构),是不是工作功耗比SSD硬盘的大,3.3V的供电电压能否使其正常工作?2.CE硬盘:现在市
dld2
WindowsCE
SAMD21开发板试用心得-初识SAMD21 Xplained Pro评估平台
[align=left]Atmel SAMD21 Xplained Pro开发板主要是用来评估ATSAMD21J18A微控制器的一个平台。ATSAMD21J18A搭载了基于ARM Cortex-M0+内核,最高工作频率为48MHz,功耗低于150μA/MHz。并且内部集成了256KB Flash以及32KB SRAM。这是Atmel最新的一款MCU,主打低功耗低功耗,成本敏感的工业和消费应用市场。
zjbwxl
单片机
软硬结合板打样的问题介绍
[align=left][color=rgb(25, 25, 25)][font="][size=14px]相信了解FPC[b]软硬结合板打样[/b]生产流程的人都知道,电镀是电路板中必不可少,也是最最重要的一个环节,因为电镀的成功与否,直接影响到电路板是否合格,有些软硬结合板厂家,为什么质量得不到保证呢,就是因为电镀没有控制好,电镀没有做好,就会出现电镀孔内有铜与无铜,这就会影响线路是否
方学放
PCB设计
本人大四学生
已经学习了c51单片机,想问下各位老师,如果以后要从事单片机开发的话,需要再学习哪些大学未传授的知识,谢谢
lfaitq
嵌入式系统
推荐文章
意法半导体Web工具配合智能传感器加快AIoT项目落地
2024年11月19日
在 MEMS 机器学习内核上部署传感器节点到云端解决方案的机器学习模型 2024 年 11 月 19 日,中国—— 意法半导体新推出了一款基于网络的工具 ST AIoT Craft,该工具可以简化在意法半导体智能 MEMS 传感器的机器学习内核 (MLC)上开发节点到云端的 AIoT(物联网人工智能)项目以及相关网络配置。 MLC机器学习内核是 ST MEMS...
贸泽开售适用于AI和机器学习应用的 AMD Versal AI Edge VEK280评估套件
2024年11月19日
2024年11月19日 – 专注于引入新品的全球电子元器件和工业自动化产品授权代理商贸泽电子 (Mouser Electronics) 即日起供应AMD全新Versal™ AI Edge VEK280评估套件 。Versal AI Edge VEK280评估套件采用AMD Versal AI Edge VE2802自适应SoC,该系列套件可帮助开发人员快速迭代其传感器融合和A...
什么是非均匀数据重采样?哪种非均匀数据重采样方法更适合你?
2024年09月02日
在数据分析和机器学习领域,我们常常需要处理非均匀数据。非均匀数据是指具有不平衡分布或样本数量不均等的数据集。为了准确建模和预测,我们需要对这些非均匀数据进行重采样。本文将详细介绍什么是非均匀数据重采样以及如何应用不同的方法来解决这一问题。 一、什么是非均匀数据重采样? 非均匀数据重采样是一种数据处理技术,用于解决数据集中存在的类别不平衡或样本数量不均等的问题。在非均...
人人都能懂的算法原理
2024年08月06日
算法公式挺费神,机器学习太伤人。任何一个刚入门机器学习的人都会被复杂的公式和晦涩难懂的术语吓到。但其实,如果有通俗易懂的图解,理解机器学习的原理就会非常容易。本文整理了一篇博客文章的内容,读者可根据这些图理解看似高深的机器学习算法。 机器学习这个主题已经很普遍了,每个人都在谈论它,但很少有人能够透彻地了解它。当前网络上的一些机器学习文章晦涩难懂,理论性太强,或者通篇云里雾...
推荐内容
热门视频
更多
直播回放: 满足汽车电池管理系统 (BMS) 不断发展的安全标准
国嵌内核驱动进阶班
LTM4620效率
2016 TI 工业研讨会:TI传感器的工业应用
7种智能设计怒刷存在感
研讨会:ADI 在中国能源互联网应用中的技术及产品
人工智能 江西理工 罗会兰
HVI培训系列
Cadence Allegro 22.1编程下载器ST_LINK全套PCB设计教程
LDO功率损耗
开源项目推荐
更多
用于 WiMAX/无线宽带的 1.8V ADC 差分到单端转换
LT3663EDCB 5V 降压转换器的典型应用
SR9900USB转网口
使用 NXP Semiconductors 的 TJA1041 的参考设计
LTM4636IY 四相 0.9V 160A 设计的典型应用电路
AD5346 并行接口、八路电压输出、8 位 DAC 的典型应用
使用 Analog Devices 的 LT124XIS8 的参考设计
使用 Microchip Technology 的 TC323 的参考设计
MC34167 5A 降压转换器的典型应用
【已验证】51最小系统板[CH340N+拓展接口]
热门文章
更多
苹果发新版iCloud for Windows 增加钥匙串密码管理应用
更安全续航更长?蔚来三元铁锂“混装”电池包比刀片电池靠谱?
安森美的智能技术将赋能记忆科技下一代服务器每一个节点
基于51单片机的多功能计算器,支持二八十进制小数负数计算
线束测试仪方案—安泰电子客车线束测试
STM8L151C8单片机学习例程(2)——CLK切换
苹果希望和NFL达成一项重大协议 包括多项权益
stm32f407 内部flash保存数据
电路图
开发新一代毫米波通信和应用的UXR 示波器,你听说过吗?
关于星三角降压启动plc梯形图电路图
差分温度传感器
三管荧光灯电路
白炽灯降压电路
电脑主机的BE-150型开关电源电路
输出电压可调的稳压电源电路之三
多功能Hi-Fi前置放大器
采用电流串联反馈的前级放大器
益友牌BCD-212H型电冰箱电路
单级声音信号发生器电路
455kHz共射-共基中频电路
短波信号转发器电路
电磁蓄能式电路
800w双向可控调光器电路
长时间可调定时器电路
采用CW136构成的过压保护电路图
由SG3524构成的开关稳压器电路图
部分谐振型RCC电源电路图
带过载保护的电荷放大器
(b)uPC2002H应用电路
3个时基窗口电路
直通电话机电路图
可充电手电筒电路壹(1)
鼠标的电路原理图
555声控节电灯电路
消除脉冲沿抖动电路
精密仪器放大电路
200W公共汽车收音机和扩音机电路
845ddr电脑主板电路图_07
可能感兴趣器件
AD7522
M28010-25KA6T
2SA1016_08
LRC-LR2512LF-01-1R00F
54112-412061275LF
54112-106301150LF
2200AGH6009A2EB
TV07RGQK-25-62SD-LC
IS43R16160F-5BL-TR
VKP472MCQDRUKR
TMM-133-04-FM-S-SM-28-P-M-A
97-3106A-22-18PZ(621)
CA3106E22-27S-B-A240
MB918T15F18PC
SDC-14568-812Q
MDMA-0107
FHR4-802160.0324OHMSD0.5%
CLS1-67204L-55
CR161801FC
PHP01206K1272FBTS
D-SUB-205AF09SDZDB101
7107SHV7RE2
D-SUB-205AF23FAZBBW1
ABL-24.0000MHZ-10-A-3-H-L2-T
P-1206E5622ASTF
351-3-088-0-T-YSO-0990
H0705CA2802DKW-TR
2010W2F1133T4
FP50-3521-BTQ
M83421/01-7-253-R
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