|
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)
/
a-performance-metric-for-recommender-systems
本课程为精品课,您可以登录eeworld继续观看:
a-performance-metric-for-recommender-systems
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30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
uboot移植
小弟要将uboot移植到PXA270上,请问各位高手,需要修改哪些文件啊?经过哪些步骤?
mysnooker
嵌入式系统
wince4和wince5在驱动编写上区别大吗??
如题,谢谢各位
abing2005
嵌入式系统
想用E金币买个ARM9或者DSP的板子
前几天刚发的帖子,刚成交了,不过由于板子说测试有问题:Cry:,所以只能再发求购贴了。。。谁有吃灰的板子贡献一下下咯,前提是用E金币支付哦。。:pleased:
908508455a
淘e淘
请教CSerialPort能用与编WINCE驱动吗?
请教CSerialPort能用与编WINCE驱动吗?如果可以的话,请问他常用与WINCE驱动吗?还有其他方法吗?请高手指教,谢谢啊
a3526212
嵌入式系统
初中毕业不适合学ARM?顺便上个最近做好的单片机图?呵呵……
初中毕业不适合学ARM?好不容易学了51和AVR,再看到ARM的学习好似很难,基础决定了学习的艰苦会比别人多几倍,之前在51和AVR上面也是硬挺过来的,尽管有志者事竟成,想放弃学ARM……:titter:
哆啦A梦
工作这点儿事
全面的运算放大器资料3
全面的运算放大器资料
jsznbzas
模拟电子
推荐内容
热门视频
更多
应用 V.I 晶片驱动LED II - 大功率 LED 阵列
智能电网安全保护技术
TWS蓝牙解决方案
Microchip开关稳压器产品线介绍
MPLAB代码配置器实验6:配置增强型PWM
家电应用中高效节能的双电机控制
PIC24F "GC"系列 ——智能模拟简化了设计
PIC32蓝牙音频解决方案
MPLAB代码配置器实验4
MPLAB® XC8 C编译器的架构特性
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
e络盟现货供应Connective Peripherals系列连接产品
ZDS2022示波器百集实操视频之74:触发电平与阈值设置
Arm DevSummit 2021报名开启,相聚云端共话前沿技术
工业自动化、能源基础设施、电动汽车和铁路创新方案组合
传中国台湾晶圆代工厂今年将放缓提价
第41章 STM32F429的LTDC应用之LCD汉字显示和2D图形显示
【STM32F407】第2章 ThreadX USBX协议栈介绍
e络盟开售TE Connectivity最新系列连接和传感器解决方案
电路图
差压传感电桥的测量电路图
OP90构成的微功耗仪器放大器
两款电子管OTL放大器02
调光定时两用台灯电路
得贝牌F385、BD-375型电冰箱电路
电感式传感器配用的交流电桥电路
由“或”门构成的晶体振荡电路
甲类FET放大器电源电路图
高性能无线卡拉OK话筒电路
TA7688P功放电路图
采用NE555集成电路的控制电路_2
通、断触摸开关电路
千叶CP-16恒温式多用电热锅电路图
TIL187-1至TIL187-4/TIL188-1/TIL188-4型交流输入光耦合器/光隔离电路
MAX736系列的基本应用间歇导电型应用电路图
3V升压到5V电路图
可长距离控制的方波-三角波发生器电路图
污染气体检测电路
555施密特触发器用于整形变换电路
555简易电子按摩器电路
555电子蜡烛电路
高频振荡器
具有小剩余电压的串联稳压电路
模块化的防盗系统
CW200组成的高输入电压集成稳压电源电路之二
24V软启动稳压电源电路
100kHz~20MHz晶体振荡器
C630型车床电路
电子管输入电压放大器的输入方式
875p电脑主板电路图_056
可能感兴趣器件
AM29LV800DT-90FI
SL1ICS3101U/N5D
712UT419XO1514-20K-1
INA111
XC6123D350MR
BZV55-BC4V7
UT100N03-Q_15
2200SGH5009224A
TA6235CV
DDMMD47C1PJ
RT09472F
TS1608-472M
2200BA6F002B3JB
8N4SV76AC-0158CDI8
CMF555K4900BHRE
7103J10CSE11
624HE5-RB
RC0402FR-071M07L
RK73B2ALTD395J
2200AAG1008F3HB
EL2257CN
R411810121
EXM-A01-17-8PB-01-BS
PCN21B-SB2-G
MWDM1L-37P-4K7-20K
ABM3B-1431818MHZ-B2-T
GS81302T37E-350I
635
VQ631M/2
0936012895
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