本课程为精品课，您可以登录eeworld继续观看： Cost Function - Intuition I继续观看 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 CES 2015焦点: 连线汽车门禁系统 信号处理与系统 零基础入门：手把手教你如何快速开发 MSP430™ 项目 通过RAM/UBI文件系统引导Linux内核 ROS Courses 自制太阳能电池板DIY教程 机智云ECE入门教程 计算机视觉与深度学习 热门下载 场效应晶体管及其集成电路 经典教材：《电子元器件及手工焊接》(7).pdf 单片机控制的LCD心电监护仪的设计 AMC7150cv资料 μPD7802808单片机的功能及应用 Verilog HDL语言的PPT教程。包括简介、逻辑概念、语法和示例。 遗传工具箱及代码 HDS组态软件功能演示工程 数字电路课程设计教学大纲.doc Digital Signal Processing Using MATLAB 3rd Edition, by Vinay K. Ingle and John G. Proakis.pdf 热门帖子 PCB规范体系之安全距离及相关安全要求 安全距离包括绝缘穿透距离，电气间隙（空间距离）和爬电距离（沿面距离）1、爬电距离：两相邻导体或一个导体与相邻电机壳表面的沿绝绝缘表面测量的最短距离。2、电气间隙：两相邻导体或一个导体与相邻电机壳表面的沿空气测量的最短距离。电气间隙的决定：根据测量的工作电压及绝缘等级，即可决定距离一次侧线路之电气间隙尺寸要求，见表1及表2二次侧线路之电气间隙尺寸要求见表3但通常：一次侧交流部分：保险丝前L—N≥2.5mm，L.NPE（大地）≥2.5 qwqwqw2088 关于4位数码管的动态显示问题，新手虚心求教，有空的大兄弟进来看看 以下是程序，下载到板子上不能实现一秒变化一次，大概8秒才一次#includereg52.htypedefunsignedcharuint8;typedefunsignedintuint16;typedefunsignedlonguint32;codeuint8number={0xc0,0xf9,0xa4,0xb0,0x99,0x92,0x82,0xf8, youyuchao 430初学，ccs体验和一些小问题 前面花了两天时间下载安装系统，还有各种软件。然后各种找资料，装CCS开始练兵。装ccs走了些弯路顺便说一说1.官网直接下载的是CCS在线安装包，但是家里铁通宽带有时候会自动跳IP（不知道是有短暂掉线还是别的原因），所以下载下载安装一直失败。加上安装界面没有进度条，长时间没动也不知道是在下载还是卡住了，然后干脆就关了。之后是找到WiKi上下了个离线安装包来装，问题解决。2.安装貌似只能C盘安装？？不知道有没在其他盘正常安装的。3.第一次打开要等他更新完成，否则ResourceEx 曾经in 【庆科WIFI】自建工程注意事项一则 使用KEIL自建一工程，按照庆科工程中所包含的文件，逐个加入工程，然而，编译不通过，其提示：Error:L6218E:UndefinedsymbolI2C_Read_Flag_Status(referredfromnfc_tag.o).因为没有发现，程序中使用I2C_Read_Flag_Status这个函数，所以就查找是不是我在工程中多添加了什么文件，---没有。后来又在工程中的文件中查找I2C_Read_Flag_Stat dontium 免费申请TI 样片， 新春好礼相赠！ 活动时间：1月22日-2月28日如何参与1、免费样片申请：点击以下任意样片，成功申请2种以上芯片，即有机会获奖。(必须是通过点击以下链接进入参与申请)用于低功耗可穿戴应用的符合Qi(WPC)标准的无线充电器（TIDA-00318） 用于系统唤醒和中断的基于电容的人体接近检测参考设计（TIDA-00220） 面向3D机器视觉应用并采用DLP技术的精确点云生成(TIDA-00254) EEWORLD社区 自制STLINK + FT232(Pcb+Sch) 自制的stlink，并且加了个usb转串口的小模块，刚完成PCB制作，还没有调试。相关资料如下：自制STLINK+FT232(Pcb+Sch)嘿嘿楼主在做这个主要用在哪个上面？调试工具嘛做个玩玩话说这东东淘宝都做的价格很低啦，自己玩的话直接拍一个呗！楼主带大伙一起做吧好像还有一个网口呵呵，是网络接口，不是网口，用来调试的软件是不是与那国网站上一样的？从网上下载的，还不知道一样不一样，没试过，你可有相关的软件？FT232H是个高速的芯片，可以达到更好的效果 chenzhufly 网友正在看 Buck电路平均电流控制模式设计方法 Ep29 Semiconductor Engineering 指标篇下 非线性系统的典型动力学特征 恒定_变化激励下的电路问题 嵌入式Linux防火墙产品设计 中 其余几种模块 SPI通信实验-M3
