本课程为精品课，您可以登录eeworld继续观看： Basic Operations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 直播回放 : TI Sitara™ 产品在智能电网中的应用 工业控制PLC系列课程 玩转 Arduino——物联网嵌入式开发入门 Analog IC Design 高性能 C64+ DSP 上 TCP2/VCP2 协处理器的应用 电机专题入门 CES 2015: Moto 360智能手表介紹 RISC-V 5th workshop 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 2013年国赛之3——基础知识讲解、分析 2013年全国大学生电子设计竞赛基础知识讲解【备战国赛系列大讲堂】----手工焊接技术【备战国赛系列大讲堂】----基本电子元器件【备战国赛系列大讲堂】----印制电路板设计与制作【备战国赛系列大讲堂】----基本元器件的识别【备战国赛】CPU的选择电子设计竞赛系列指导之一－－控制器的选择为大赛收集的实用小程序答layverns的疑问，兼开备战国赛讨论帖备赛模板2009年电赛设计报告模板2013年国赛之3——基础知识讲解、分析 EEWORLD社区 【晒经典】VS1003 MP3音频解码电路图 本帖最后由dontium于2015-1-2312:43编辑VS1003概述：●VS1003是一个单片MP3/WMA/MIDI音频解码器和ADPCM编码器。它包含一个高性能，自主产权的低功耗DSP处理器核VS_DSP4,工作数据存储器，为用户应用提供5KB的指令RAM和0.5KB的数据RAM。串行的控制和数据接口，4个常规用途的I/O口，一个UART，也有一个高品质可变采样率的ADC和立体声DAC，还有一个耳机放大器和地线缓冲器。●VS1003通过一个串 37°男人 【沁恒RISC-V内核 CH582】5 点亮LED灯 前面用UART例子，做了串口收发，下面做到点灯：看了好久的原理图，没有直接连接LED的IO，最后想到跳线：拿到跳线，把PB19连到了LED2上。目前还没有找到延时程序，找到了定时器0的例子：这里我把GPIOB15更改成GPIOB19，时间把100ms改成500ms。UART+LED主程序如下：/**********************************(C)COPYRIGHT********************************Fil lugl4313820 wince启动时出错 目前通过网络下载将开发工作站上编译的wince镜像下载到目标机。现在目标机和开发工作站已经可以连接起来了，目标机上显示Jumpingto0x0013AC2C，开发工作站能出现下载进度显示界面。但是下载结束后，出现如下FindSource的对话框，Pleaseenterthepathfordriver.cpp.我添加了路径还是不对，在PB的debug中显示：4294775938PID:a3f7b33eTID:a3e28fb60x83e1d000:Unknown:DEB lixiqin12345 用AD刚画的一个51的开发板，多评评啊！！！！ 3花了两天时间画的一个开发板，是看着别人原理图画的，我用的是AD,不足之处，多多说，互相学习用AD刚画的一个51的开发板，多评评啊！！！！ laidawang 电路板故障汇总及维修技术的8个绝招 一、工控电路板电容损坏的故障特点及维修电容损坏引发的故障在电子设备中是最高的，其中尤其以电解电容的损坏最为常见。电容损坏表现为：容量变小；完全失去容量；漏电；短路。电容在电路中所起的作用不同，引起的故障也各有特点。在工控电路板中，数字电路占绝大多数，电容多用做电源滤波，用做信号耦合和振荡电路的电容较少。用在开关电源中的电解电容如果损坏，则开关电源可能不起振，没有电压输出;或者输出电压滤波不好，电路因电压不稳而发生逻辑混乱，表现为 吾妻思萌 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
