|
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)
/
demo-of-deep-learning-model-on-imagenet-data
本课程为精品课,您可以登录eeworld继续观看:
demo-of-deep-learning-model-on-imagenet-data
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:2分57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
极海APM32E103 MINI开发板资料(软件资源包、原理图、用户手册等)
nmg
国产芯片交流
如何阅读datasheet,电子书
比较实用的书!
totopper
工业自动化与控制
关于开关电源测试问题
各位大神好,我有一个问题:我有一块板卡,上边电源部分包含了5路DC-DC电源模块(例如TPS5450),实际应用时我们会输出不同的电压,当然就会设计不同的开关电路,那么,我现在想问,我怎么测试每个DC-DC电源模块的实际输出电压、电流和纹波等相关电源参数呢?我想知道的是大厂家正规或者是成熟的方案?求大神赐教,谢谢!
bioger
电源技术
有没有人做过比较好的复位电路?
最近自己的复位电路总有问题,那位大虾有好一点的复位电路
zhtong19860109
单片机
AD10中最后能布线了
这种情况我应该怎么操作呀,急需解答!!!网上是这么说的,但是好像我放到一个里面了吧。
胡豆豆的春天
PCB设计
招聘赴日PCB制图人员
熟悉电路板设计,熟悉PROTEL,精通CAD/CAM软件日语简单沟通。待遇25万日圆/月起,根据经验决定有意者请找我dl-1979@sohu.com
liqingsen
嵌入式系统
推荐内容
热门视频
更多
TI和WE的USB 3.1 Type-C解决方案
微波收发机系统板级设计技术
新版RTOS教程:15天入门RT-Thread内核
电源设计小贴士30:低压降压IC让简捷、经济的偏置电源成为现实
MSP432™:低功耗DNA与ARM的完美集合_2016 TI 嵌入式产品研讨会实录
SPC5 Studio介绍
Microchip PIC24F32KA304超低功耗16位单片机
使用 75 W TAS6424-Q1 D类音频放大器进行直流和交流负载诊断
模拟集成电路的分析与设计
电池测试设备直流电源系统设计
开源项目推荐
更多
4455C-434-PDK,用于 Si4455 434-MHz 射频收发器的 EZRadio 双向链路开发套件
DC740A-A,用于 LTC2922IF 跟踪器/定序器的演示板,VCC = 5V
底盘控制器
用于 LED 照明的 5-LED 高亮度 LED 驱动器
使用 Analog Devices 的 LTC3728LIGN 的参考设计
具有输出电压监视器的 LT1120CS8 微功率稳压器的典型应用电路
LT8330HDDB 4V 至 36V 输入、-12V 反相转换器的典型应用电路
zyl_智能小车_12v
AM2S-1203SH30Z 3.3V 2瓦直流转直流转换器的典型应用
LTC1877 的典型应用 - 高效率单片式同步降压型稳压器
热门文章
更多
振棒料位开关的独特结构
贸泽备货丰富多样的Microchip Technology产品组合
土壤pH测试仪的简单介绍
【AFG专题系列72变】之四:磁共振成像我搞定
思特威推出全新高端超星光级大靶面8MP图像传感器SC880SL
英飞凌AURIX™ TC3xx、TC4x、TRAVEO™ T2G 和 PSoC 系列微控制器支持 Rust 语言
DS18B20驱动程序调试总结
STM32的GPIO工作原理详解
电路图
低损耗的仪表放大器
电子冻疮治疗仪电路图
电水壶自动断电控制器电路图
R-40-16超声波接收电路
双管荧光灯照明电路
3位A-D转换器电路结构
荧光灯电子镇流器电路之三
延边△形两级降压启动电路
加入R3后的交流负载阻抗
L4962型开关式集成稳压器电路
停电应急灯自动转换器原理电路图
300V1000W逆变器电路图
Ucc283,Ucc383应用电路图
利用频率-电压变换器制作风速表电路
不间断5V电源电路
采用NE555构成的过压过流保护电路图
采用LM317构成的实用稳压电源电路图
零交脉冲发生器电路图
双相输出电路
避雷电路
电缆测试电路
用语音代替电话铃声的留言控制器电路图
实用的家庭电视台发射电路
STK078功放电路
TDA2040功放电路
1000 W日落控制电路
自制快速干手器电路
LM105集成稳压器,LM195功率晶体管构成的—10V、1A稳压电源
稳定的正弦波电路
多功能视力保护器
可能感兴趣器件
50/100M-F52300-252
WRB2412YQD-36W
MTTBS350EV
240-381RNF19-45PCCBHN
HAS040ZE-ANT81H
405-0006-08S-P32-N10
5P49V5935B508LTGI8
7000-40141-6350040
CAT24C44VI-GT3
ASMC-QAB2-TEKCE
TEP100-1218
89006-N174
DCCM-15SBSP
320520509
APL5302-42AC-TRL
64-33233-22-0300
CRCW080514K3FKEY
GMR7580C-15S1ES
KA246-81G
RLR-07C3832FS
D-SUB-103AE44YAZBBA2
ASV21-133.000MHZ-DHS
TBJC475K025CRSC0900
SP1-031-N102/03-98/2
0473004.PAT1HF
SM25-18-27.0M-15E3CG
135ER-7R87-AT601
Y15062K08000DM0R
SP422.320.01
SL8A-02-110R-CGPB
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 © 2005-2025 EEWORLD.com.cn, Inc. All rights reserved
用户评论