本课程为精品课，您可以登录eeworld继续观看： Simplified Cost Function and Gradient Descent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 Altera MAX10 FPGA培训视频 基于灵动MM32W0系列MCU的指夹血氧仪控制及OTA升级应用方案分享 如何用机智云新版平台开发一款4g智能设备 TI PLC开发套件介绍 直播回放: [Arrow] TI Sitara 系列芯片在 大数据 产品上的应用 仅用一颗葡萄供电的微处理器 磁场简介：第三部分 基础教程：模拟开关和多路复用器基础知识 热门下载 水木清华DSP技术精华 dsp学习不可或缺的资料 基于STC89C52单片机智能小车设计_陈飞鹏 MAX15458 关联分类算法采用贪心算法发现高质量分类规则 AVR单片机的天然气发动机电控系统设计 时序约束整理 这种数学模型的使用能使旅游学更具学科性 通信电子电路基础 IBM笔记本机型与所用屏幕品牌、型号对照表 振荡电路的设计与应用-稻叶-293页-20.3M.pdf 热门帖子 求助，有关IR2110自举电容选型 各位大佬！小弟我想用ir2110做一个+-500V，1MHz左右的全桥驱动。用Multisim仿真时大致能满足要求，但实际搭建电路的时候碰到了问题。这个自举电容需要容值1uF，耐压500V+，选来选去只有贴片电容(MLCC)和铝电解电容能用，陶瓷电容没找到这么高耐压的。但是我在别处看到的选型原则是自举电容不能用电解电容，那该咋办TT，用贴片电容吗？我先用电解电容试做了一下，结果波形没出来，想排查一下是不是自举电容的问题。各位大佬能帮小弟分析一下这个自居电容该咋选吗？感激不尽！仿真电 305772911 诺基亚5110液晶在团购的FRAM板子上移植成功，有图有真相有程序 把以前用在MSP430F1611上的程序移植在了团购的FRAM器件“MSPFR5739”上。之前用的1611内存比较大(10KB)，没有注意到图片字模应该定义在Flash/Fram里面。所以直接改头文件后发现编译通不过。仔细查阅一番之后，发现IAR中应该用“const”关键字定义。另外比较重要的是，调用时要加强制转换语句(unsignedchar*)——视具体情况而定。此外，用F611和FR5739进行了刷屏对比，均采用内部默认振荡器，事实上，FR5739刷屏快了不少！ 245999503 STM32的启动模式配置与应用 三种BOOT模式所谓启动，一般来说就是指我们下好程序后，重启芯片时，SYSCLK的第4个上升沿，BOOT引脚的值将被锁存。用户可以通过设置BOOT1和BOOT0引脚的状态，来选择在复位后的启动模式。MainFlashmemory是STM32内置的Flash，一般我们使用JTAG或者SWD模式下载程序时，就是下载到这个里面，重启后也直接从这启动程序。Systemmemory从系统存储器启动，这种模式启动的程序功能是由厂家设置的。一般来说，这种启动方式 可乐zzZ SetWindowsHookEx return 值的问题 Wince下api跟document都没有SetWindowsHookEx可用在http://www.codeproject.com/KB/mobile/KeyboardhooksWinCE.aspx?fid=230503看到说可以从coredll.dll调出来使用可是发现调用的SetWindowsHookEx返回值竟然是0或1而不是Win32api返回hook可是hook需要在CallNextHookEx用到请问有人有解决方案吗?SetWindowsHook lhy705 TI DSP TMS320C66x学习笔记之内联指令 /*****************************************************************************//*C6X.Hv7.4.12*//*****************************************************************************/#includevect.htypedefdouble__fl Aguilera 【读书】《RISC-V 体系结构编程与实践（第2版）》-- 链接 概念链接就是使用把多个二进制文件放到同一个二进制文件中，这中间会使用到链接脚本，多数会有特定的脚本，其表达了二进制程序的地址布局。入口点：entry（symbol）基本格式section{section-cmdsection-cmd...}链接文件中包括两种地址：加载地址虚拟地址。加载地址：加载时候段所在的地址。一般程序存储再rom，此时rom中的地址成为加载地址，LMA虚拟地址：运行时，段所在的地址，也叫运行地址，程序 zsy-s 网友正在看 模拟电子技术基础41 汇编LED驱动实验-驱动编写 原理图工具栏图标不显示了，怎么调出来？ Qt信号槽介绍 5元钱简易防偷拍神器，快来动手做一个吧 MATLAB Arduino（18）:在MATLAB中使用fill() -缩放和平移二维动画 嵌入式软硬件裁剪原则 Linux驱动开发—中断程序编写与测试
