|
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)
/
computing-exploring-tf-idfs
本课程为精品课,您可以登录eeworld继续观看:
computing-exploring-tf-idfs
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9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
EDK设计的实现流程
嵌入式设计流程包括硬件设计和调试、软件设计和调试。XPS主要用于嵌入式处理器硬件系统的开发。微处理器、外围设备以及这些组件之间的连接问题,还有它们各自的属性设置都在XPS里进行,但是对于复杂的应用Xilinx推荐使用SDK工具。一、完整的EDK开发流程的主要步骤:1)创建硬件平台:BSB Wizard;2)添加IP core及用户定制外设;3)生成仿真文件并测试硬件系统;生成硬件系统的仿真文件,利
babyfly_blue
FPGA/CPLD
振铃现象及解决建议
[align=center][b][font=宋体][size=15.0pt]振铃现象及解决建议[/size][/font][/b][/align][align=left]由于任何传输线都不可避免地存在着引线电阻、引线电感和杂散电容,因此,一个标准的脉冲信号在经过较长的传输线后,极易产生上冲和振铃现象。大量的实验表明,阴线电阻可使脉冲的平均振幅减小;而杂散电容和引线电感的存在,则是产生上冲和振铃的
雨后的梧桐
电源技术
详解EMC测试国家标准GB/T 17626
详解EMC测试国家标准GB/T 17626作者:wcc149 来源:电子电路开发(微信公众号)0.前言最近公司的几块板子要做认证,EMC测试自然是少不了,既然要做试验,就要有一个标准,是消费电子、工业控制,还是汽车电子、军工电子,这些工作环境所要求的EMC测试标准是不同的,每个试验又分为了很多的等级。接触静电是要做到6kV还是8kV,空气放电是要做到8kV还是15kV?我的产品要做哪些EMC试验?
okhxyyo
电源技术
全志V853在 Tina Linux 修改 UART 引脚、UART端口 (2)
#### 场景二:使用UART3,需要从UART0改为UART3(PB6,PB7)1.修改`sys_config.fex`(BOOT0与Uboot的串口)`sys_config.fex` 的路径是 `device/config/chips/t113/configs/evb1/sys_config.fex`中的 `uart_debug_port`修改前:```[uart_para]uart_debu
aleksib
国产芯片交流
蓝牙5标准
蓝牙技术联盟正式宣布了蓝牙5.0标准,经过数月的修订,现在标准正式定案并对外发布。其实这一代叫蓝牙5.0是不准确的,因为官方说法是Bluetooth 5,直译为蓝牙5,其中多年的v和。0据说因为拗口在宣传中被放弃。规格方面,蓝牙5带宽(传输速度)又再次提升了一倍,从1Mbps提高到2Mbps,信号传输距离提升至原来的四倍,理论传输距离达到了300米以上。同时,蓝牙5可以播发255 Byte的数据包
Jacktang
无线连接
步进机
用protues仿真成功的,四线步进机。
chasedreamsl
工业自动化与控制
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
聊聊智能座舱—抬头显示
英特尔位于亚利桑那州的两座顶尖芯片工厂即将开建
看好新iPhone的换机潜力 投行Baird调高苹果目标价
在数字化时代高举客户体验旗帜
串口通信的理解
数字万用表常用功能使用
一文详解Arm Cortex-M处理器指令集
三相异步电动机型号的含义_三相异步电动机怎么测量好坏
电路图
DC-DC电源的精度是随着FPGA的精度越来越精密
静噪调谐音频切换/混合
微型无线报警发射机的电路图
随机密码键盘电路
自动往返控制电路
STK437功率放大器电路图
电流-电压变换电路
霍尔元件在磁性材料研究中的应用电路图
电子睡眠器电路
光电式自动水龙头电路
高性能的10V稳压电源电路
稳压±38V电路图
自制的自动控制电源适配器
5V、1A开关稳压电源电路
镍镉电池充电器电路
脉宽调制电机转速控制器
7800系列与晶体管组成的5A稳压器
简单实用的充电器电路图
采用TDA4918驱动卤素灯的电子镇流器电路
采用RS触发器的防抖动电路
哨声控制电路
家用单向电话机
用HA1451作双频道前置放大器
40WX2高保真放大器
具有恒流充电饭店功能的充电器
M58487AP( 电视机、音响设备)24功能红外线遥控接收电路
反射式照明延时开关
反射式红外控制电路
可能感兴趣器件
X25320VI
1N4099CURE3
RWR71N3321BRB12
MC3488ADR2
EM14R0B-M25-L032S
X5R1206HTTD101G
ZTB238D
EPF10K100ABC356-2
DSC6013JI2B-432K000T
2200DAF6004F3MB
240-383DXW23-32PPCANN
303-0029-09S-P31-B10
T95R157M010CZAL
4087-0003
SON-NS4ALF-01-4302-F
240-383PP23-36PSPGNN
E6380G1
JT06RT-18-30P(003)(LC)
RNCF0603DKE825K
N13R
MS27497P14F35PD
ASMT-MY62-NDEC1
ROV20-181K-C
CA3106R28-10PZ
1553661-1
D38999/25NJ24SE
LT-1564420024
CRCW0805220J200RT1
RSB6RM17150215NN
74F551QCQR
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