本课程为精品课，您可以登录eeworld继续观看： What-'s Next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 OpenCL统一的异构编程 Microchip PIC18 Explorer开发板 Atmel汽车电子的未来趋势 通信应用中的差分电路设计技术 瑞萨电子国网电能表解决方案 无刷直流电机基础 - 驱动控制 TI 家电应用中电机驱动分类及参考设计简介 TINA-TI培训课程 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 凭经验选择开关电源磁芯尺寸和类型 这是一则凭经验选择开关电源磁芯尺寸和类型的资料，可以参考一下。http://download.eeworld.com.cn/download/1962812701/551656凭经验选择开关电源磁芯尺寸和类型 快羊加鞭 半桥这类正激变换器输出可否用CLC滤波？ 半桥这类正激变换器输出可否用CLC滤波？\0\0\0eeworldpostqq半桥这类正激变换器输出可否用CLC滤波？为半桥供电的直流电源近似恒压源，不能用C开始滤波。但若为半桥供电的直流电源近似恒流源，则必须用C开始滤波。这里所谓“开始”，指滤波所接的第一个元件。 xiefei 推荐一本Linux初学书籍 想学习Linux，不知道该从何下手，麻烦大家给推荐一本适合Linux初学者的书籍。推荐一本Linux初学书籍有一本书叫做鸟叔好像比较火来的。youluo发表于2014-6-1719:12有一本书叫做鸟叔好像比较火来的。 你说的是鸟哥的私房菜吧？初学看什么书呀，网上视频一大堆一大堆的学习一下这本应该偏向于，shell吧！同求，求一本通俗易懂，linux应用开发的入门，最好有电子版想看看 尚文博 STM8L的I/O STM8L的PC0/I2C_SDA的端口配置成推挽输出，让其输出高电平，Debug的时候发现相关寄存器的位可以置高，但是相应端口的引脚不能输出为高电平，可能是什么原因呢？STM8L的I/O那个引脚应该是纯开漏输出的引脚，不具有输出高电平的功能。如果确实这样，可以加上拉电阻。具体是不是这样请参考器件的数据手册。是这个问题，接一个上拉电阻就可以了。lcofjp发表于2015-1-2716:01那个引脚应该是纯开漏输出的引脚，不具有输出高电平的功能。如果确实这样 czx2014 关于TMS570LS3137外设驱动问题 请问，谁有TMS570LS3137在UC/OS操作系统下的CAN、AD、IIC相关的驱动程序啊？\0\0\0eeworldpostqq关于TMS570LS3137外设驱动问题只能熟悉3137，自己修改了！ yuyin 实用高频基本电路集 实用高频基本电路集好东西，学习了！！！！！！！！！谢谢。楼主分享好东西，谢谢分享。好东西，下载学习了，谢谢LZ dontium 网友正在看 How To Track Down Common Mode Noise OVERCURRENT PROTECTION - 408.36 Electronics 1, Lec 1, Intro., Charge Carriers, Doping 电气过应力 (EOS) 1 （实验四）串口实验 串口RS232（八） 1.1 DLP 技术在增强现实抬头显示器应用中的优势 存储器系统设计（五）
