|
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)
/
recommendations-from-known-user-item-features
本课程为精品课,您可以登录eeworld继续观看:
recommendations-from-known-user-item-features
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:6分0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
高速DSP系统PCB板的可靠性设计
[size=4]由于微电子技术的高速发展,由IC芯片构成的数字电子系统朝着规模大、体积小、速度快的方向飞速发展,而且发展速度越来越快。新器件的应用导致现代EDA设计的电路布局密度大,而且信号的频率也很高,随着高速器件的使用,高速DSP(数字信号处理) 系统设计会越来越多,处理高速DSP应用系统中的信号问题成为设计的重要问题,在这种设计中,其特点是系统数据速率、时钟速率和电路密集度都在不断增加,其P
fish001
微控制器 MCU
PCB设计的复杂性不断增加
若单功能可编程电源管理IC的使用曾经还可管理的话,那也都是往事旧话了。许多PCB现一般使用若干多电压器件,每个器件有不同的上电顺序。工艺节点越精微的器件需要的电压越低,但电流加大。PCB设计师常常需要利用每个多电压电源IC的一个负载点。这样,PCB上使用的电源数将增加。随着电源电压回路的增加以及需多个排序管理,电源管理变得更复杂。 随着PCB设计变得日益复杂,传统的电源管理方案变得更难以招架。目
ESD技术咨询
PCB设计
单工的串口无线通信,怎样做出全双工的效果?
如题,需要制定怎样的规则比较好。感觉可能会冲突的吧?
fangkaixin
微控制器 MCU
四款充电器系列方案
四款充电器系列方案 充电器系列方案方案一、1-4节AA/AAA NI-MH 四并充充电器功能如下:1、输入电源:AC90—260V;2、充电电池类型:AA(2500MAH)/AAA(900MAH)镍氢电池;3、充电控制方式:四节电池、并联分时充电方式、单独控制;4、指示方式:四个双色发光二极管:(每个电池对应一个); A:插上电源:红、绿灯各闪一秒后熄灭。B:正常充电:红灯长亮C:充电完毕: 绿灯
wwwlbmcucom
单片机
HDMI参考,设计要点,不错的学习资料
分享给大家:)
bolibo123
FPGA/CPLD
PTT/POC手机对讲软件比较,常见PTT/POC手机对讲软件分析和评测
PTT/POC手机对讲软件比较,常见PTT/POC手机对讲软件分析和评测PTT手机对讲软件是3G时代一个新的软件财富的传奇,到底什么是PTT手机对讲软件呢?按照百度百科对PTT的解释是这样的, PTT一键通(Push-to-Talk)功能是利用软件技术实现的一种全新的移动技术,手机安装软件后(或者预置PTT/POC手机对讲软件),与传统的集群通信非常类似,也是一种“即按即说”的模式,用户只需按动手
xyh_521
安防电子
推荐内容
热门视频
更多
研讨会 : Tektronix 嵌入式系统调试及混合信号系统验证测试中示波器的使用
time-of-flight TI 3D传感器
互联网基础设施网络研讨会
EEWORLD DIY——低功耗蓝牙、USB双模机械键盘灯效演示
能听懂人话的音箱Google Home,智能家居新宝贝
基于ARM的WinCE嵌入式系统开发
proteus从入门到精通
TPS56x201/8 直流降压器简介
电源设计小贴士28-29:估算热插拔MOSFET的瞬态温升
高速和精密放大器,在测试和测量应用中实现卓越的系统性能
开源项目推荐
更多
LTC3638HMSE 6W LED 驱动器降压稳压器的典型应用电路
【已验证】J-Link V9 Base /jlink
桌面音箱改造蓝牙音箱
【梁山派开发板】遥控智能车
【开关电路】LM2577-ADJ可调升压电路
使用 Analog Devices 的 ADP8140 的参考设计
BTS 3134 N智能低边电源开关典型应用电路
AM1DM-0503SH60-NZ 3.3 Vout、1W 单路输出 DC-DC 转换器的典型应用
可编程逻辑控制器调制解调器
超声驻波轴向悬浮移动装置
热门文章
更多
折叠屏手机配OPPO主动式触控笔
“智能汽车头号实力派”威马汽车获得认可
基于LPC2478 LCD控制器的模拟显示驱动系统设计
康普RUCKUS观点:共享频谱和融合网络打造2023年企业连接新亮点
电动汽车技术发展需要隔离产品的保证
双极步进电机和单极步进电机之间差异
电路图
调频立体声调谐电路
微处理器的复位电路a
由运算放大器LM386构成的实用放大电路e
20W功率扩展电路
带中心轴变压器输出双极性电压的整流电路a
斜坡发生器电路
定时控制电路(五)
频率为3至30MHz的高频VCO电路
无电刷直流电动机电路
调谐电压提升电路01
YN5048(电视机、录像机和音响)红外线遥控发射电路
MC33466H-50JT1组成升压变换器电路图
具有全波指示的甲流调压器的电路
变压器短路保护器电路
高保真度压扩器
变频器在机床中的应用
格力QG15A电脑控制台壁式多用途暖气机电路图
简单的电流源电路图
简易压控振荡器电路图
倾斜角测定电路
调幅 调频中频放大集成电路LA1201
遥控多点控制开关电路图
LA4550功放电路
STK0100功放电路
采用运算放大器的基准电压线路
线性压控振荡器
电脑主板电路图 430TX_30
电脑主板电路图 810 3_29
15、AST ECDI-I型VGA彩色显示器的电源电路图
MP3电路图8
可能感兴趣器件
DF1E-14P-2.5DS
RNC55J14R0BSB14
H8487RDYA
531SA1229M00DGR
NTE74S113
3544-621NJ00
7107P4YZ3QI22
2GC721-73
IPM-C15450010
RSB6RM19200114NN
SMA041150154K1%A1
UM-4/2L4F7FREQ1
TSM-136-03-SS-SH
CRCW04024022FRT2-PB
PX-7000-ABE-FSAB-1M0000000
D7777ZOV141RA530
TN-467R-2
IXD1415CF587R-G
T409G156J020RC42507610
1206M470F601BT
HVCS2512T26M8010%I
Y1732845K000B9L
SS8A-00-4K27-CDPB
PHT0805H2373FGPC
LPA-44MA-V
PRA100C4-657RDBB
TLCR107M010XTA
700793100.1LF
M55342K03B90D9M
P0603K2872FBTB
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