本课程为精品课，您可以登录eeworld继续观看： Control Statements- for, while, if statements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 Atmel Studio 6.2 数据断点_v3_ 【中英字幕】什么是引力波 CC430F6137学习板资源介绍 意法半导体近距离传感器技术 老吴单片机实战_NO.1项目实战 i.MX Linux开发实战指南 直播回放：Fluke 示波器的基础知识及其校准 2015 TI MCU研讨会(1) WCS 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 刚刚入手了stm32 F0的板子，入门求教 之前有一定的51基础，现在开始学习stm。手边有stm8的最小系统，还有一块stm32F0的开发版，不知道学哪一个比较好。另外，求教stm32的学习资料，拜托了各位大神刚刚入手了stm32F0的板子，入门求教如果有基础就行。学单片机不就是正确地写入寄存器，让它按照自己的意图运行吗？知道了这一点，别问它是什么MCU，无非是寄存器的多少而已，最多是运算指令不一样，---如果用汇编的话需要学它。但用C编程，不用去管。所以，学某型单片机，就是看它的DATASHEET。当然了，学一学官 小愤青620 [资料]凌阳单片机其他芯片资料 资料说明：1，SPBA01B说明书2，SPGT62C19BV01数据手册v1.0版3，SPL10A2V15数据手册v1.5版4，SPR1024A数据手册v1.3版5，SPR4096A数据手册v1.2版6，SPY0029A数据手册v0.6版7，SPY0030A数据手册v1.0版8,《SPMC701FM0A编程手册》9,《SPMC701FM0A数据手册》注意：1楼是第1部分2楼是第2 SuperStar515 [教程]PX2开发板上的串口UART3使用入门 UART3在此图上左半区（http://wiki.chipspark.com/cn/ind...5%E5%8F%A3%E5%9B%BE），在GPIO扩展这组接口中，UART3是最容易连接外扩的一个串口（TTL电平），开发中需要接一些串口的外围器件（比如GPS等）接这里最容易了。PX2默认的Kernel配置中没有打开对UART3的支持，这点需要芯客改进，附件中会提供一个已编译好的VGA/HDMI版本开启了UART3支持的kernel供大家下载。如果有兴趣自己编译kernel，在ker chipspark MSP430g2553时钟设置 请教各位大哥，MSP430G2553的内部时钟是怎么回事，内部的DCOCLK，有没有详细点的说明啊。还有这块板子怎样才能把P2.6\\P2.7口接的晶振起振。我接的是8M。MSP430g2553时钟设置一般应用DCO就行了吧？为什么要用外接晶振呢？给你个论坛的教程参考写的很不错哦 回复楼主LG676562的帖子有用，先来看看P2.6\\P2.7之间接的是ACLK的时钟源，典型值是32768Hz的手表晶振，怎么能接8MHz的晶振呢？？？并且LaunchPad不支持 LG676562 金刚狼套件即将发布 就是这个家伙，这是金刚狼刚出现的时候的样子。我猜测应该还是会保持和launchpad系列兼容的模式露面。估计会同步的发布墨水屏，然后把功耗给show出来。下面是即将发布的消息出处。金刚狼套件即将发布若是再不出来，我都快把它忘记了。确实是姗姗来迟，现在的低功耗竞争太激烈了！那个是超级电容还是纽扣电池？有团购不？墨水屏感兴趣看起来好高端啊继续期待~~~~~~~~金刚狼哎，希望能快点出支持一下！！！zca123发表于2014-2-1209:23那个 wstt KEIL C51最新版本 c51v953 http://yunpan.cn/Qav4jQ5ysrgdg提取码7b4d更多Keil软件：http://yunpan.cn/Qav4HhFc4izQb提取码13ccKEILC51最新版本c51v953资料很全，真的太太感谢了不错，这样子的分享才是真正的分享，直接的网盘分享，要方便了！非常的感谢楼主了感谢楼主了對版主感激不盡 paulhyde 网友正在看 1.重点产业电池组应用 螺旋天线 直流电桥2_操作 转子流量计 Files structure PCB布局规范讲解 接口传输方式对比 PID计算方法与参数整定
