|
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)
/
displaying-other-example-image-retrievals-with-a-python-lambda
本课程为精品课,您可以登录eeworld继续观看:
displaying-other-example-image-retrievals-with-a-python-lambda
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:4分2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
ST NUCLEO-C031C6开发板学习笔记02(串口打印输出)
## ==5:串口通讯==### 5.1:串口通讯硬件配置先看下芯片手册,芯片自带2组串口,串口1和串口2 我们使用其中一组来做测试。我们使用PA9和PA10分别做串口的TX脚和RX脚。原理图的位置如
qzc0927
stm32/stm8
ST NUCLEO-C031C6开发板学习笔记03(定时器计数应用)
## ==6:定时器计数==### 6.1:定时器概述查看芯片手册,看下芯片的定时器说明:我们使用其中的通用定时器TIM17来实现最基本的应用。### 6.2:软件设计打开CubeMX,进行TIM17
qzc0927
stm32/stm8
祝福大家新年快乐
祝福大家新年快乐
hymyfzgs
无线连接
用四个运放控制PMOS的电流,这两个POMS又是串联的,为什么这么用?
[i=s] 本帖最后由 童心老叟 于 2024-2-12 17:22 编辑 [/i]某便携仪器中,在电池仓中除了锂电池保护板之外,附加一块小PCB,前级接锂电池保护板输出,后级接直流电机及显示单元。原以为这是个稳压或者充电电路,画完图才知道大相径庭,满不是这么回事儿。之前在电机及显示单元中就发现有两个PMOS管串联,不明白什么意思,在这儿又发现了PMOS串联!这里用了两个POMS Q3QR4,四个
童心老叟
电源技术
混社会,吹牛的功夫不能差
最近流行一句话:出门在外,身份是自己给的。这句话虽然带着搞笑成分,但理不糙。在公司里干活,会吹牛真的很重要, 因为领导一般也是很忙的,他没有时间去研究手下各个小喽啰的工作内容然后评估谁的贡献最大,他只能凭自己的观感来判断。这个时候,谁最会表现,谁最会吹嘘自己如何如何做了大量的工作,谁最会吹自己解决的问题难度高,领导就会觉得谁的贡献大。如果你能力很强,你总是很轻松的解决了问题,默默的做了大量的工作,
Nubility
工作这点儿事
开工大吉
大家都在拜年中吧,我中午回家开工,继续完善代码,现在分享效果如下:
lugl4313820
工作这点儿事
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
宝马与国网电动进一步深化合作 未来三年建立100座充光储一体化站
NI 2021继续扩大朋友圈,与多家国内外公司达成合作
大联大世平集团基于onsemi产品的300W超高效能网通电源方案
ATmega168 ALU
合创资本:助半导体科企打赢国产替代攻坚战
STM32固件库的小结
ST开发PCM AI芯片
正泰电源高崖子滩40MW/80MWh储能电站项目成功并网
力矩电机控制器常见故障_力矩电机控制器故障排除
电路图
控制交流负载的接口电路图
采用HIP6302和HIP6602芯片的2相CPU电源电路
脉冲式小灯泡节电指示灯
起货机由低速向中速再向高速变换时的控制电路
荧光灯电子镇流器电路之四
荧光灯电子镇流器电路之三
书架式有源音箱02
简洁音质至上的功率放大器02
TA7289步进电动机微步距驱动器电路
声控双灯开关电路
电动机低速高转矩控制电路
STK0029功率放大器电路图
蜂音门铃电路
STK1039音响IC电路图
AN7112功放电路图
触摸式防盗报警器电路
电流截止环节电路
Z5163型立式钻床电气原理图电路
电桥平衡指示器
高输入阻抗差分放大器
零交脉冲发生器电路图
检波式交流毫伏表电路之一
压力测量电路
有源负载及振铃信号检测电路图
STK084G功放电路
性能良好的函数振荡器
电压源三相逆变器结构图
自动充放电系统混合型模糊PID控制器
可能感兴趣器件
C141102MX7R2
DTC143XCA
SP2-024-S150/04-99/2
S29JL032J60BFI210
CRSW2512V1004KF
LN1361CTR
TAP8054
RWR80S50R0BSS73
ATS-02C-84-C3-R0
4M1-SSP3-S2/5-M6GE
7M-36.000MAHE-T
H8464RBYA
ABMM3-50.000MHZ-S-R050-E-2-Y-T
9001KXN508
PZN-12-AA-12.0-4-34
DF-132-104-508-AH05
55SB-NKG6H
TVFBRW1911SEXLC
D2VW-5L3-1
530MC431M000DGR
VI-JVT-IZ-F4
SOT-DIV23LF-01-3301-47R0-FD
5452420
RNCF2010BTE357K
6-1415515-1
J01340A0011
TMM-140-06-G-D-SM-26-TR
RSB6VP07120217
MMT-103-01-S-SV-TR
V24A5H400AL3
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