|
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）
/
what-is-a-visual-product-recommender
本课程为精品课，您可以登录eeworld继续观看：
what-is-a-visual-product-recommender
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：3分52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
急！！！！！在WINPE下怎样去加载设备管理器?
在WINPE下怎样去加载设备管理器，如题
fanjianjun
嵌入式系统
“这是个坑”+ 泽勒一致性
[i=s] 本帖最后由 strong161 于 2016-9-23 11:02 编辑 [/i]前段时间一直跟着D大开始学习python，新接触语言，感觉挺简单的，写一个一简单的计算泽勒一致性，程序但是怎么运行都不对，请各位帮看看，实在搞不清楚问题在哪里。[code]# 找星期程序，使用泽勒算法，#公式 h＝ （q + [26*（m+1）/10]+k+[k/4]+[j/4]+5j)%7##已知bug
strong161
单片机
基于单片机的寻光避障小车
用STC89c52单片机，寻光模块，超声波避障模块DIY一个寻光避障小车，主要是程序不会，哪位大神可以提供点思路，谢谢了！
胡先森
51单片机
PCB铺铜
为什么顶层铺铜时有一块没铺上
hql724914
PCB设计
MC9S08JM60 USB设备开发指南
飞思卡尔给的应用笔记，非常好，分享
bluehacker
NXP MCU
小阻抗该怎么办
图一是正弦信号发生器图2是放大电路可是实际中无法放大，问题纠结于阻抗的不匹配，这个问题该如何处理，还有一个噪声的问题，这个是否要用屏蔽线和金属盒？ps：全是手工焊的
平行电
模拟与混合信号
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
2021年智能座舱设计趋势研究：向第三生活空间迈进
如何使用LTspice生成LED驱动器的波德图
tiny4412学习(三)之移植linux-4.x驱动（1）支持网卡驱动
小米还有顶配旗舰：充电速度破纪录
89C51中断系统介绍（外部中断）
示波器带宽定义与来源
SylixOS的BSP开发实例之S3C2416 【第六篇】S3C2416 驱动之定时器
示波器的存储深度越大越好吗？
移植RT2870无线网卡驱动到s3c2416
电路图
什么是全方位的有源器件？
晶体符号及等效RLC电路
电容式交流接触器直流运行电路a
温流电源电路b
6至15V、500mA可调式稳压电源电路
零触发晶闸管功率调整电路之三
“礼仪小姐”电路
得贝牌F385、BD-375型电冰箱电路
隔离放大器电路图
TBA2800（电视机）红外线遥控接收电路
过零控制开关电路图
大电流直流稳压器电路图
广告装饰灯控制器电路
无线电汽车寻找器电路
单管中波无线话筒
丢失脉冲报警电路
上-下斜坡控制电路
24cxx复制器电路
斯达康UTS708-J实物维修彩图
555--随光强变化的电子百灵鸟电路
长周期通／断的多谐振荡器电路
4．5MH2射极输出振荡器电路
SG52104构成的—10V、2A稳压电源
MOS场效应管非稳态电路
带动辉光数码管的电子继电器
场效应晶体管RC电桥振荡电路
电脑主板电路图 810 3_06
电脑主板电路图 820 1_57
电脑主板电路图 830_22
可能感兴趣器件
1238-05-01-20
DCP4N047006ID4KSSD
LR2F33R
P1014NSN5DFB
VI-J40-CY-F3
GUS-SS7ALF-03-53R6-JF
240-383PXW15-35SSCENB
56-NKA2-NA9
BXY44-FPS
800-034-CDKL2M6-4PY-72
TVP00RW1935SN
TVPS00RK-21-41SB
70510-58
TV07RW-19-11PA-LC
JT00RE-12-98SB(386LC)
PCF0603-02-14RCI
SOT-DIV23LF-02-7501-1502-FD
JT07A-22-2PB(304)
832-10-098-20-052000
MFR100FRF73-36R
MMT-130-01-T-DH-P
A43AS-12CS-N
1200GG3F004F3NB
MK-234-031-137-0000
HES037ZD-AN82H
H13-32.000-S-F-3030-EXT
HMTMS-119-25-S-S-100
1F35072A-P1210N-AN
RJMG1J32146012R
MMB020710085R6DLFBLK
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
嵌入式系统
单片机
51单片机
PCB设计
NXP MCU
模拟与混合信号
京公网安备 11010802033920号
Copyright © 2005-2026 EEWORLD.com.cn, Inc. All rights reserved
用户评论