本课程为精品课，您可以登录eeworld继续观看： Classification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: ST60 非接触式连接器及应用探索 TI DLP® Labs - 汽车：抬头显示 低速串行总线调试－SPI译码 基础教程:数模转换器 STM32虚拟蜡烛效果 Fairchild 仙童 Power Supply WebDesigner 在线电源设计工具介绍 如何突破时域和频域测试的壁垒 MPLAB® ICD 3的使用演示 热门下载 [资料]-JIS X4181-3-2004 信息技术.元数据的注册(MDR).第3部分注册元数据模式和基本属性.pdf [资料]-JIS Z4560-1991 工业用γ射线照相装置.pdf [资料]-JIS B7121-2007 Optics and optical instruments-Specifications for binoculars,monoculars and spot [资料]-JIS F7302-1997 英文版 造船.5K青铜角阀.pdf [资料]-JIS C8471-2-1-2000 电气设备的电缆和管线系统.第2部分：特殊要求.第1节固定于墙上和天花板上的电缆和管线系统.pdf [资料]-JIS F1051-2-2004 Inflatable boats -- Part 2：Boats with a maximum motor power rating of 4.5 kW t [资料]-JIS F2621-1995 Accommodation ladders.pdf [资料]-JIS Z 8404-2-2008 测量不确定度第2部分：测量软件不确定性的评价重复测量.pdf [资料]-JIS C61340-4-7-2011 静電気－第４－７部：特定応用のための標準的試験方法－イオナイザ.pdf [-]-jis b 8410-2011 水道用減圧弁（追補3）.pdf 热门帖子 中断太快导致无法处理其他函数怎么办 先看下面一段简易代码：.......//子函数省略voidmain{init();//各种初始化while(1){key_scan();//按键处理程序}}//中断处理程序void__attribute__((interrupt(ADC12_VECTOR)))ADC12ISR(void){switch(__even_in_range(ADC12IV,34)){case0:break;/ hjl240 百元打造手机无线充电器 做这个作品的初衷是我的Veer的续航能力让人欲哭无泪，连续看8小时电子书都成了奢望。其实不止是小薇，现在包括iPhone在内的几乎所有智能机，续航都不怎么给力，于是移动电源这种产品开始大行其道。不过小薇的数据线非常特殊，体积大、价格高，经常插拔还容易造成触点松动，小薇使用移动电源还涉及到线路的改造，更何况同时带着移动电源和数据线也相当的麻烦。要知道小薇天生可是用点金石充电的。点金石知道么?那可是palm/hp手机的大杀器，只要把手机往点金石上轻轻一放，就可以给手机无线充电了， 凯哥 [Open1081]学习例程之通过串口下载程序 这周终于从同事那里拿回了open1081，开始了学习。先从微雪的网站上下载了1.19版的例程，并释放到一个文件夹中。然后又准备了一个支持YModem协议的终端软件，我使用了从windowsXP中的超级终端（因为win7中没有），其它类似软件也可以，如SecureCRT。此外还需要安装PL2303的驱动，以及安装好KeilMDK。再用Keil5打开一个例程，我测试的是DS18B20例程。这个程序在Open1081_Peripherals_Examples\\DS18B20文件夹下。编译前 dcexpert 28335官方SVPWM例程的问题 请问高手，TI官方28335SVPWM例程是哪个文件？谢谢！28335官方SVPWM例程的问题安装Ticontrolsuite，svpwm参考代码在这个路径下controlSUITE\\libs\\app_libs\\motor_control\\math_blocks\\v4.2谢谢！ chenbingjy 【已颁奖】学最新DLP课程，跟帖抢楼赢好礼！ 活动时间:11月14号—12月15号抢楼赢礼：Step1.认真学习《DLP微型投影业务及技术应用介绍》课程Step2.在抢楼贴跟帖发表学习心得Step3.我们在抢楼贴中预埋了中奖楼层，跟帖即有机会获奖（活动结束公布压缩包密码）奖品为：多功能电脑清洁套装20个LED强光防雨户外便携式手电筒10个得力 EEWORLD社区 有意思的视频：Altera_SoC演示机械手下跳棋 有意思的视频：Altera_SoC演示机械手下跳棋kankan可不可以转到优酷去啊，然后做链接，这样看起就方便了 phantom7 网友正在看 第八章 指针06 CapTIvate软件设计中心(CDC)介绍 劳斯判据 GoKit3(V)源码详解 控制單元_按鈕開關燈實例 IO系统性能、可靠性评价 基础元器件+触发器 Affine Transformations
