|
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
登录
注册
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
登录
注册
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)
/
loading-exploring-wikipedia-data
本课程为精品课,您可以登录eeworld继续观看:
loading-exploring-wikipedia-data
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21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
猜您喜欢
推荐帖子
怎么设置EVC4模拟器的IP地址?
我安装后默认的是127开头的,运行程序时出现TIMEOUT。能不能修改那里面的的IP地址?谢谢!!!!
z_wkyx_b
嵌入式系统
浙大C语言视频教程
这是浙大C语言视频教程,讲的不错:victory:另外那 CSF 阅读器 要一起下载,把他安装在电脑上就可以看了:)[[i] 本帖最后由 hltao87 于 2008-12-20 08:32 编辑 [/i]]
hltao87
单片机
电路在protuse中仿真可以的,焊接后却不能显示重量
我做的简易电子秤,已经仿真了显示电路,可以实现测重和基本课题要求。用的是51,adc0804结果焊接后用稳压信号源模拟信号,没有出现重量显示,电路连接和仿真图一样不会错,真心不知道问题出在哪里,求指教。
明明电子
电子竞赛
单片机液晶显示
在单片机系统中,采用液晶显示模块与数码管作为显示电路,在程序设计上有哪些异同?
隐子0218
单片机
基于MSP430自动浇花系统的毕业设计,求助啊
有哪位大神有基于MSP430的自动浇花系统的毕业设计参考下咯
fanzhaohui
微控制器 MCU
如何学习嵌入式系统基础知识
[align=left]1、Linux 基础[/align][align=left][font=宋体]安装[/font]Linux操作系统:Linux文件系统 ,Linux常用命令,Linux启动过程详解,熟悉Linux服务能够独立安装Linux操作系统,能够熟练使用Linux系统的基本命令,认识Linux系统的常用服务安装Linux操作系统,Linux基本命令实践,设置Linux环境变量,定制L
jingcheng
单片机
推荐内容
热门视频
更多
开源项目推荐
更多
具有STM32L433RC MCU,SMPS的STM32 Nucleo-64开发板,支持Arduino,ST Zio和morpho连接
MC78M05BDTRKG 5V 电流升压稳压器的典型应用
LTC3200 的典型应用 - 低噪声、稳压电荷泵 DC/DC 转换器
LTC2205 演示板,CMOS 输出,65Msps,16 位 ADC,1MHz
LTC3633AEFE-1 同步降压型稳压器的典型应用电路
2017电赛K题-单相用电器分析-设计方案及报告(国奖3篇)
LT1764AEQ-1.8 并联 LDO 稳压器以实现更高输出电流的典型应用
LTC1727IS8-5 单电源监视器的典型应用与其他禁用
使用 ON Semiconductor 的 ADP3170 的参考设计
LTC1705EGN 演示板,英特尔 Geyserville VRM,Vin = 4.5 - 5.5V,0.925V - 2V @ 14Amp,1.5V @ 2.5A 和 2.5V @ 150mA 输出
热门文章
更多
洁美科技:预计塑料载带年底达到60条生产线,产能将扩大
源自大自然灵感的未来电动概念车
百度昆仑芯落地已超2万片,两代产品均一次流片成功
msp430入门学习15--时钟
通过低代码和无代码实现保险行业客户体验突破
苹果发布HomePod 15.4软件更新 增加了新的Siri语音功能
大联大品佳集团推出基于Infineon产品的智能遥控器方案
自动驾驶域控制器设计开发和量产落地面临的挑战
如何开发与位置无关的 STM32 完整工程
电路图
贵重物品检测电路设计
新型扬声器耦合电路图
自动跟踪信号器的电路
直流电源电压越限指示电路之一
在机械上相互联系的两台电动机制动电路
电磁制动控制电路
电子可视门铃电路
冷热饮水机电路 家用电器电路
不用差分输入的OCL功放
仿一体化结构制作集成功放
宽带共享电源控制器电路
比赛数显装置电路
用555组成直流降压变换电路图
简易±9V电源电路
投射灯用电压调节器电路图
零交叉检测器电路图
白炽灯延寿开关电路
全自动微功耗时控窗帘机电路
采用TL499A构成的电池后备电源电路图
齿轮疲劳微机测量电路
用555时基电路制作的两款电话防盗接线盒电路图
MOSFET A 类放大器
555触模式定时节能灯电路
郑骰子游戏电路
磁性传感前置放大电路
方波和三角波的振荡电路
875p电脑主板电路图_064
可能感兴趣器件
TOML82
C1210F822K4RAC
MX-826/883
USR2-T22031.6OHMS0.02%3PPM
60A08-8-075C
XUN0APSNM12
RS01A1K250FB12
RK73H2ALTD24R0F
CFR-25JB-52-33R
PFC-W1206SP-04-9101-B
CRCW08051M10JNEAC
PPS148-2A1519-V
VJ0603A120JLBAC68
CMD11304Y
982-22011-31
M55342K12B51B7PTF
561W-NWA60HD-CW9
RC0603FRF132K0
PH1-MI2SC2761
RNR60J2672FRBSL
M80-4T13642F3-02-322-05-301
M55342K10B25B5TT1
UTW22M25TB16X32
CRA06E08035763FRT1
YY-1300-W07RT
RIAN08TTEB753JCFE
48NAVA-2RHA3-M2
203-6.5536M-13-15G
GRX-210/22AAF29.99MHZ
FXC26HRYN
完成课时学习
+
分/次
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 © 2005-2025 EEWORLD.com.cn, Inc. All rights reserved