本课程为精品课，您可以登录eeworld继续观看： Cost Function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 TDA2x评估平台 研讨会： 大大通助你解锁新一代 ADAS 技术 特斯拉Model S的秘密 直播回放: 节能减碳 - 用于光伏逆变器/储能系统的欧姆龙继电器‧开关‧连接器解决方案 点亮NFC手镯 直播回放: MPS 电感解决方案，助力更好的开关电源设计 仅用一颗葡萄供电的微处理器 Altium Designer6.9 PCB设计视频教程 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 【MSP430共享】430数据采集方案(强烈推荐) 常见的通讯控制电路里面都包含了，一般的430开发项目直接照搬电路原理图就可以了，包含485通讯，电流、电压、频率数据采集，外部控制，数码管显示、红外遥控等等等功能【MSP430共享】430数据采集方案(强烈推荐)谢谢分享下来看看确实很实用的方案thankU顶起，里面有很多串口和485的应用强烈支持多谢楼主···回复楼主fengzhang2002的帖子谢谢啊！看看！多谢多谢不错啊，谢谢分享~好东西啊！！！感谢呀:carnation:谢谢楼主。谢 fengzhang2002 内置段式LCD控制器的单片机，哪个最便宜？ 最近要弄个段式LCD显示，不过成本要求越低越好，不知道哪个单片机（内置LCD控制器）便宜些？8位，16位，32位都行。目前主要是AD采集+显示，应该不会有大的改动。拜求各位大侠，3Q。内置段式LCD控制器的单片机，哪个最便宜？台系的那些廉价MCU，不到1块钱，带AD的就贵些了。不过，没量就别考虑台系的。msp430？台系最便宜，亿龙，松翰都有，但建议上st或ti之类大厂的，不然够你折腾的chenzhufly发表于2015-2-407:42msp430？他用不着 hmy0569 C8051F350 flash擦除的问题求助 下面是我用的flash擦除程序，用软件仿真的时候可以擦除掉给定地址的扇区，但在线调试的时候发现程序一运行到*pwrite=1;语句时就会自动复位，没有实现擦除，不知道是怎么回事，求大神们帮忙啊！voidClrFlash(uintaddr){charxdata*datapwrite;EA=0;//Disableinterrupts//changeclockspeedtoslow,thenresto zx2240 430初学，ccs体验和一些小问题 前面花了两天时间下载安装系统，还有各种软件。然后各种找资料，装CCS开始练兵。装ccs走了些弯路顺便说一说1.官网直接下载的是CCS在线安装包，但是家里铁通宽带有时候会自动跳IP（不知道是有短暂掉线还是别的原因），所以下载下载安装一直失败。加上安装界面没有进度条，长时间没动也不知道是在下载还是卡住了，然后干脆就关了。之后是找到WiKi上下了个离线安装包来装，问题解决。2.安装貌似只能C盘安装？？不知道有没在其他盘正常安装的。3.第一次打开要等他更新完成，否则ResourceEx 曾经in UCOS官网上下载源码 为什么没有OS_CPU_C.C,OS_CPU_A.ASM,OS_CPU.H,OS_DBG.C这些关于移植的文件？是不是因为这些文件和底层移植有关系，不够通用才不提供，而转移到了网站port部分进行下载。求交流。UCOS官网上下载源码您好，请问这个问题怎么解决的呢？求帮助~~ 范小川 【Atmel SAM R21创意大赛周计划】+OLED显示无线接收到数据 【AtmelSAMR21创意大赛周计划】+OLED显示无线接收到数据把接收到的数据显示在OLED上，同时显示rssi,及数据长度1、添加全局变量chardisp;uint8_trssi;uint8_trecv_ok;uint8_trecv_lenght;2、在无线接收回调函数中添加标志，及缓存staticboolappDataInd(NWK_DataInd_t*ind){rssi=ind-rssi;recv_len 蓝雨夜 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）
