|
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)
/
where-is-ml-going
本课程为精品课,您可以登录eeworld继续观看:
where-is-ml-going
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29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
用户使用其他厂家433MHz无线模块时,购买样品OK,小批量100个就会出现偶尔无法收发...
许多用户使用其他厂家的433M透传无线模块反馈这样的问题:前期购买几个样品测试,在无线信号覆盖半径内,收发包测试都很稳定,但是小批量购买100个模块收发就会出现无法收发的情况。这是什么原因呢?首先科普一下,无线电波,在同一个信道同一时刻只允许一个节点发射行为。433M的无线透传模块,没有专用的MAC层,缺少时钟调度机制,如果只是几个样品,那么无线网络中就不存在拥塞,收发数据就是正常的;如果无线通信
chenjingjing
RF/无线
高速数字系统中的信号完整性及实施方案
描述了高速数学电路中典型的信号完整性问题,分析了各种破坏信号完整性的原因及解决方案,并结合一个实际的高速DSP系统,阐述实现信号完整性的具体方法。
fighting
嵌入式系统
内核问题?
谁能帮我具体解释下内核的含义,
chaengli
嵌入式系统
DSP基础--定点小数运算
许多DSP芯片只支持整数运算,如果现在这些芯片上进行小数运算的话,定点小数运算应该是最佳选择了,此外即使芯片支持浮点数,定点小数运算也是最佳的速度选择。在DSP世界中,由于DSP芯片的限制,经常使用定点小数运算。所谓定点小数,实际上就是用整数来进行小数运算。下面先介绍定点小数的一些理论知识,然后以C语言为例,介绍一下定点小数运算的方法。在TI C5000 DSP系列中使用16比特为最小的储存单位,
fighting
DSP 与 ARM 处理器
关于宽带阻抗匹配和smith chart
[i=s] 本帖最后由 shaorc 于 2017-8-29 18:45 编辑 [/i][size=14px] 我刚接触用smith chart做宽带阻抗匹配,看到有个应用举例,其中有点看不明白,希望大家指点一下,谢谢!【1】举例的那张图中,点1(Zs处),点3(最高的红点处),点4(ZL处),是如何得到的,或者是如何出现的?【2】从1点到3点的电抗变化,和从3点到4点的电纳变化的值,是在smit
shaorc
综合技术交流
请问提高ADC精度,编程可采取什么?
单片机STM32F103ZET6请问实现100k(或偏大)的采样率,精度尽可能高,编程可采取什么方法?例如:ADC时钟及频率的选择?多通道?以前没接触过还有很多不了解的,希望告诉。谢谢!
NPY
stm32/stm8
推荐内容
热门视频
更多
2015 TI 音频创新日 (3) 面向 BT 扬声器 / WIFI 的音频解决方案与完整的参考设计
ADI & 世健 新基建系列视频第二期
Atmel|SMART 基于Cortex核的MPU(三)
太阳系新纪录:德机器人0.887秒解开魔方
解读64位ARMv8架构:Cortex-A53 处理器
非线性控制理论(浙大)
全景图像对比及R-Car V2H 3D 全景可视系统演示
2016 TI 杭州研讨会(中)
PRoC BLE 低功耗蓝牙射频片上系统简介
数据结构 上海交大
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
意法半导体的STM32U5通用MCU取得PSA 3级和SESIP3安全认证
谷歌推出新的私有计算服务,来提高Android安全性
STM32F103DAC功能实现
三星CES 2022主题演讲于1月4日 Galaxy S21 FE或亮相
51单片机-温度PID算法(C程序)
泰克示波器测量纹波注意事项
STM32的GPIO工作原理详解
吉时利高电阻/低电流静电计Keithley6430的使用及注意事项
电路图
双电源供电的电子管功放电路
工业常用点火机电路
单片机供电电源部分的接线
C008电路
5V电源采用LM2995的转换器电路
数字电路声光控楼梯延迟开关电路(4)
微型强力遥控器电路b
甲类功率放大器电路
非逻辑电路
功能齐全的触摸调光电路-b
可调稳压块电流扩展电路图
LM317T组成恒流源和恒压源电路图
旧式电源改进后的电路图
并行LED数码管静态显示电路(共阳)
静电蓄能式电路
温度控制器电路
森兰SB40用外部信号运行
镍镉电池充电电路13例1
W723的7-36V稳压电源
可燃性气体报警器
大输出应变式传感器电路
单稳态触摸开关电路
可控硅串联逆变器与并联逆变器电路
555交流电动机节能启动器电路
TCL的一款空调遥控器电路
E3l2A型8位通用频率计数器电路
自动控制发光时间电路
TXDl742连续调节的全自动交流稳压器电路
两单元IGBT模块的寄生电感
5GM168音频压控式歌舞厅装饰彩灯伴鸟鸣发声电路
可能感兴趣器件
M38502FDH-XXXSP
646149-1
4608H-702-391/470L
FQT5P10S62Z
PFC-W0805LF-12-1782-B
2304128
ZW-07-09-LM-S-550-090
RM242-010-201-2053
F-LTCA-A5-10.730M
UPY1C681MPH
AIGT-ATV-500-4.5
5004-7050
DAPO15S332HTLF
GMDE137P-CMI4E1-18V
CA3106R16S-5SZF80
VI-R7112-XXXX
AT28C64-15FM
TAJD475M050KNJY
CMPS-Y(N)5-10-250
SV63JC222MAA
MWDM3L-9SCBRR1T-.080
7103MPD9V31QE22
8331MFM2540LPN4850
SA18130K8-7.000-IT&R
NDL7911PD533
S1505CA2431DKW
812H-1B-S-24VDC
928-005-28-10PS1ARD1
1210B624J160NT
BLU2010P-2260-BB15
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