|
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-distances-between-wikipedia-articles
本课程为精品课,您可以登录eeworld继续观看:
computing-distances-between-wikipedia-articles
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38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
DIY MicroPython
[i=s] 本帖最后由 dcexpert 于 2016-1-7 14:10 编辑 [/i]昨天看了坛友[color=#333333][backcolor=rgb(229, 237, 242)][size=12px][url=https://home.eeworld.com.cn/space-uid-514287.html]xijiele[/url][/size][/backcolor][/colo
dcexpert
MicroPython开源版块
视频监控传输技术方案的选择
视频监控传输技术方案的选择自从上世纪八十年代末期以来,视频监控技术得到越来越广泛的应用,随着系统应用的不断推广,相应的有关技术也处于不断的淘汰更新的过程之中。在视频监控系统的初期,人们利用同轴电缆进行视频信号的传输,在监控中心采用画面分割器、小型矩阵等设备来搭建系统,由于同轴电缆传输模拟视频信号受距离的限制,即使在利用放大器进行中继的情况下,采用这种方式构建的系统一般为覆盖方圆几百米的小型监控系统
嘻嘻
工业自动化与控制
TI Microsite 高性能时钟和计时产品来了,酷爱来看看吧!
德州仪器 (TI) 是高性能时钟和计时产品的行业领导者。凭借种类繁多的独特产品、简单易用的设计工具和全球性支持,TI 可帮助工程师快速设计时钟树、仿真并验证性能。TI 的解决方案包括适用于各种应用(包括有线和光通信、无线通信、工业和汽车)的多种产品:时钟缓冲器、时钟发生器、时钟抖动清除器以及射频 PLL 和合成器。[size=4][color=#333333][font=buickfont,]详情
荔小枝:)
模拟与混合信号
驱动开发
如何向一个寄存器的某一位写值呢?我在开发一个led的驱动,用2440的cpu,将这个led接在一个gpio口上,用寄存器的某一位控制led的关灭,但是没成功,希望哪位大侠能给我提点建议,小弟万分感谢!
WRD0960
嵌入式系统
EPROM在单片机开发中的两个应用实例
EPROM是一种具有可擦除功能,擦除后即可进行再编程的ROM内存,写入前必须先把里面的内容用紫外线照射它的IC卡上的透明视窗的方式来清除掉。EPROM芯片可重复擦除和写入,解决了PROM芯片只能写入一次的弊端。EPROM是一种常用的存储器,在单片机开发应用中一般用它作为程序存储器。实际上它也是一种可编程逻辑器件(PLD),除了可以用它实现逻辑函数外,还可以用它实现一些复杂的测量和控制。下面为两个应
Jacktang
微控制器 MCU
【二哈识图人工智能视觉传感器】测评之一:赢家芯片级别测评
非常开心收到电子工程世界和DFRobo社区二哈识图人工智能视觉传感器开发套件。DFRobo总部位于上海浦东,是一家国际领先的从事开源硬件、机器人产品、STEM教育、创客教育和人工智能教育的高科技企业。自成立以来,DFRobot推出自主研发产品上千件,并向世界各地的教育和培训机构提供创客教育产品和解决方案,目前已为全球超200多个国家和地区8000多所学校20000多名老师和同学提供创客教育产品。E
mameng
机器人开发
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
电缆测试高压信号发生器适用范围
艾迈斯欧司朗中国首秀,如何实现第二个百年加速期
贸泽备货丰富多样的Microchip Technology产品组合
STM32F429--固件库点亮LED灯
伍尔特电子提供 UV-C型LED 用于紫外线消毒
万用表METRAHIT COIL简易操作介绍
TOF在消费类电子市场打持久战 传今年只苹果一个玩家?
大联大世平集团基于CPS产品的50W车载无线充电方案
更环保 更便宜 充电更快 无溶剂工艺改善锂离子电池制造
电路图
继电器式交流弧焊机空载自停电路之一
由主令开关和凸轮控制器组成的主电路
带自锁的报警电路
热=电磁式长延时过电流脱扣器电路
一控二恒压供水变频调速控制电路b
长时间定时电路
四路闪烁灯串电路(10)
采用数字电路的触摸式延迟电路(3)
采用功率开关集成电路的延迟灯电路(2)
STK1039功率放大器电路图
可编程数字钟电路
双路输出台式电源电路
小晶闸管触发电路
高灵敏度场强计电路图
普乐特MAM-F(S)(A)自耦减压起动电路
高频无稳态电路
全自动充电器电路图2
采用μA741构成的恒流源电路图
可编码车模遥控电路
COMS脉冲展宽电路
便携式DTMF电子拨号器电路图
MAX2606FM无线发射机电路
白噪声发生器电路
KA2312(玩具)无线电遥控发射控制调节电路
固定输出的集成稳压电源基本电路
用复合晶体管扩流的BG602集成稳压器
由模块组成的八路遥控电路
电动单梁吊车无线电遥控器(TX315B1)
电脑主板电路图 815 4_47
可能感兴趣器件
LF3320
71918-251LF
CPOPP3CEP
AE550KT24-28S
AMT-4052-4RI
3GPA8G-C-150M-FREQ
357
PSA1S120CLLC62
93C46BT-I-STG
IRF740LC-018PBF
0201ZJA95PBSTR\500
600S620JT250XT
GUS-SS8ALF-01-5491-GD
GUS-SS4ALF-02-1371-DC
JTS02RP-12-3PB(LC)
C1812C222M5HAC7800
1210Y0250334KXR
CFR-50JR-52-51K
ABM10W-39.0000MHZ-8-D1X-T3
0010161092
2225B273P102S
ESQT-140-02-GF-6-465
MTSW-209-12-G-Q-740-RE
YTS2221
VTC1-C05C-21M250
NIPXI-6132
72454-016LF
68696-110
286216029110808+
87280-904
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