课时1：Welcome 课时2：What is Machine Learning 课时3：Supervised Learning 课时4：Unsupervised Learning 课时5：Model Representation 课时6：Cost Function 课时7：Cost Function - Intuition I 课时8：Cost Function - Intuition II 课时9：Gradient Descent 课时10：Gradient Descent Intuition 课时11：Gradient Descent For Linear Regression 课时12：What-'s Next 课时13：Matrices and Vectors 课时14：Addition and Scalar Multiplication 课时15：Matrix Vector Multiplication 课时16：Matrix Matrix Multiplication 课时17：Matrix Multiplication Properties 课时18：Inverse and Transpose 课时19：Multiple Features 课时20：Gradient Descent for Multiple Variables 课时21：Gradient Descent in Practice I - Feature Scaling 课时22：Gradient Descent in Practice II - Learning Rate 课时23：Features and Polynomial Regression 课时24：Normal Equation 课时25：Normal Equation Noninvertibility (Optional) 课时26：Basic Operations 课时27：Moving Data Around 课时28：Computing on Data 课时29：Plotting Data 课时30：Control Statements- for, while, if statements 课时31：Vectorization 课时32：Working on and Submitting Programming Exercises 课时33：Classification 课时34：Hypothesis Representation 课时35：Decision Boundary 课时36：Cost Function 课时37：Simplified Cost Function and Gradient Descent 课时38：Advanced Optimization 课时39：Multiclass Classification- One-vs-all 课时40：The Problem of Overfitting 课时41：Cost Function 课时42：Regularized Linear Regression 课时43：Regularized Logistic Regression 课时44：Non-linear Hypotheses 课时45：Neurons and the Brain 课时46：Model Representation I 课时47：Model Representation II 课时48：Examples and Intuitions I 课时49：Examples and Intuitions II 课时50：Multiclass Classification 课时51：Cost Function 课时52：Backpropagation Algorithm 课时53：Backpropagation Intuition 课时54：Implementation Note- Unrolling Parameters 课时55：Gradient Checking 课时56：Random Initialization 课时57：Putting It Together 课时58：Autonomous Driving 课时59：Deciding What to Try Next 课时60：Evaluating a Hypothesis 课时61：Model Selection and Train-Validation-Test Sets 课时62：Diagnosing Bias vs. Variance 课时63：Regularization and Bias-Variance 课时64：Learning Curves 课时65：Deciding What to Do Next Revisited 课时66：Prioritizing What to Work On 课时67：Error Analysis 课时68：Error Metrics for Skewed Classes 课时69：Trading Off Precision and Recall 课时70：Data For Machine Learning 课时71：Optimization Objective 课时72：Large Margin Intuition 课时73：Mathematics Behind Large Margin Classification (Optional) 课时74：Kernels I 课时75：Kernels II 课时76：Using An SVM 课时77：Unsupervised Learning- Introduction 课时78：K-Means Algorithm 课时79：Optimization Objective 课时80：Random Initialization 课时81：Choosing the Number of Clusters 课时82：Motivation I- Data Compression 课时83：Motivation II- Visualization 课时84：Principal Component Analysis Problem Formulation 课时85：Principal Component Analysis Algorithm 课时86：Choosing the Number of Principal Components 课时87：Reconstruction from Compressed Representation 课时88：Advice for Applying PCA 课时89：Problem Motivation 课时90：Gaussian Distribution 课时91：Algorithm 课时92：Developing and Evaluating an Anomaly Detection System 课时93：Anomaly Detection vs. Supervised Learning 课时94：Choosing What Features to Use 课时95：Multivariate Gaussian Distribution (Optional) 课时96：Anomaly Detection using the Multivariate Gaussian Distribution (Optional) 课时97：Problem Formulation 课时98：Content Based Recommendations 课时99：Collaborative Filtering 课时100：Collaborative Filtering Algorithm 课时101：Vectorization- Low Rank Matrix Factorization 课时102：Implementational Detail- Mean Normalization 课时103：Learning With Large Datasets 课时104：Stochastic Gradient Descent 课时105：Mini-Batch Gradient Descent 课时106：Stochastic Gradient Descent Convergence 课时107：Online Learning 课时108：Map Reduce and Data Parallelism 课时109：Problem Description and Pipeline 课时110：Sliding Windows 课时111：Getting Lots of Data and Artificial Data 课时112：Ceiling Analysis- What Part of the Pipeline to Work on Next 课时113：Summary and Thank You 课程介绍共计113课时，19小时28分58秒 机器学习 吴恩达 此课程将广泛介绍机器学习、数据挖掘与统计模式识别的知识。主题包括：(i) 监督学习（参数/非参数算法、支持向量机、内核、神经网络）。(ii) 非监督学习（聚类、降维、推荐系统、深度学习）。(iii) 机器学习的优秀案例（偏差/方差理论；机器学习和人工智能的创新过程）课程将拮取案例研究与应用，学习如何将学习算法应用到智能机器人（观感，控制）、文字理解（网页搜索，防垃圾邮件）、计算机视觉、医学信息学、音频、数据挖掘及其他领域上。 上传者：老白菜 猜你喜欢 嵌入式Linux方案概览 直播回放: Microchip 安全系列 8 平台固件的安全弹性 电动汽车充电桩介绍 60V 可驱动LED的降压-升压控制器 IC 高压隔离技术如何工作 - 电容结构 C2000 DesignDRIVE 马达控制详解 SimpleLink™Sub-1 GHz传感器到云端 DE2-SOC视频传输Demo 热门下载 AVR ATMega16最小系统原理图PCB AFE5801,pdf(8-Channel Variable-Gain Amplifier (VGA) With Octal High-Speed ADC) 准谐振式反激式开关电源IRIS4015原理及设计要点 精彩解码板、激光头详细说明图 化学气相沉积与无机新材料 PCI-to-PCI Bridge Architecture TMS320VC5501-300,pdf(Fixed-Point Digital Signal Processor) 用8位单片机实现ARINC429总线数据传输 线性动态电路 电脑游戏机硬件与编程特技.rar 热门帖子 stm32L把系统时钟配置为HSI，开机启动后容易进入HardFault_Handler函数，为什么？ 感谢大神指点：感觉这几行代码没有问题，RCC_HSICmd(ENABLE);while(RCC_GetFlagStatus(RCC_FLAG_HSIRDY)==RESET)__nop();RCC_SYSCLKConfig(RCC_SYSCLKSource_HSI);while(RCC_GetSYSCLKSource()!=0x04)__nop();。但是在STM32L低功耗芯片中，上电启动后，有时候会直接死机进入HardFault_Handler函 王zhao 求一个3.7v升压到9v或12v的BOOST电路 求一个3.7v的升压到9v或12v的BOOST电路。各位大神拜托了，帮帮我这个什么也不会的菜鸟。仿真软件用的是什么？求一个3.7v升压到9v或12v的BOOST电路ti官网有电源参数选型器，用起来还是不错，可以参考电流不大用MT3608 谢谢 谢谢 能给我个电路图么？{:1_118:}完全不会连。。。。。电阻电容电感参数都是什么？ 可以学学webench 按手册里的原理图弄就好了是用在什么产品上的，电流要几A?可以参考一下HT7180 我会飞 利用TI DLP®技术驱动结构光系统实现箱拣精度 在工业环境中，每天需要处理不同形状、尺寸、材料和光学特性（如反射比、吸收等）的零件。这些零件必须以特定的方向挑选和放置，然后进行加工。将这些零件随机从存放的环境（容器或其他）中自动挑选并放置的活动通常被称为箱拣。但这对机器人末端执行器（一种连接到机械臂末端的设备）提出了挑战，它需要准确地知道要抓取物体的3D位置、尺寸及其想方向。为了做到在箱子外壁和箱内其他物体周围准确导航，机器人的机器视觉系统除了需要获取2D相机信息外，还需要获取深度信息。对于箱拣来说，捕获物体3D影像的难题可以由结构光技 alan000345 UCC28810具备PFC的恒定电流驱动器 本帖最后由qwqwqw2088于2014-1-2109:38编辑 本文所介绍的以UCC28810为主控芯片的电路具备PFC的恒定电流驱动器，提供具有700mA恒流的10V至48V电压。可通过单个电阻对输出电流进行调节；输入电压为高线路。PCB板设计效率测试表其他测试UCC28810具备PFC的恒定电流驱动器 qwqwqw2088 如何学习ARM芯片文档 最近老大要我学驱动，给了我2个文档，一个是ARM9的官方技术文档，一个是东芝的TMPA910CRAXBG芯片文档，全是英文的，汗。然后这几天的工作就是看这2个文档，但我感觉光看这些好像学不到多少，并且又是英文，效率也不高。。唉，怀念之前做应用的日子各位大大觉得看这些文档有用吗？应该主要看哪些内容？困惑中。。如何学习ARM芯片文档LZ应该抓住机会，努力看吧!你没有对着程序看，这样子是没有效率的因为你都不知道你具体的目标我的方法是看程序，然后查找相关寄存器，再不行就看相关章节，我现在感觉 capalh 通信工程专业的毕业生好找工作不？ qq：342292760EMAil：addth2008@163.com通信工程专业的毕业生好找工作不？还可以，相对来说应该是差不多最好找的其中一个专业回复:通信工程专业的毕业生好找工作不？还可以，相对来说应该是差不多最好找的其中一个专业回复:通信工程专业的毕业生好找工作不？版主，，，，我也是学通信的，，，，我们学校这个专业就不好找工作！！！！！回复：通信工程专业的毕业生好找工作不？其实这个虽然跟学校有点关系，但是关键于在自己了回复：通信工程专业的毕业生好找工作不？顶楼 yedi 网友正在看 实际地面对天线的影响 RGBLCD实验-LCDIF驱动以及API函数测试 电路设计--报警采集板项目设计01 OPTIMAL BINARY SEARCH TREES- A Dynamic Programming Algorithm 1 第3章-任务的定义与任务切换的实现1 字符设备驱动6 机器人-人工智能基础篇（6）均匀分布 5-降压产品封装
