本课程为精品课，您可以登录eeworld继续观看： Regularized Logistic Regression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 TI 智能门锁解决方案 科普：USB Type-C 东南大学数字信号处理 最大限度地减少线性稳压器输出中的开关稳压器残留物 高频电子线路 零基础教你学习电子焊接 直播回放: 英飞凌BMS解决方案，为电动汽车和储能系统保驾护航！ 机器人学 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 【Atmel SAM R21创意大赛周计划】+RPL Simple-WebServer 恩，前面的帖子基本上已经跑起来基本的网络了，现在应该可以做一些应用了。搞点直观的东西吧，webserver不得不说还是比较基础的，那就弄一下了。参考开源的httpd-simple.c文件一些版权信息如下 /** *\\file *Asimplewebserverforwardingpagegenerationtoaprotothread *\\author *AdamDunkels *NiclasFinne lyzhangxiang 5438的最小系统版, 大家帮忙看看 5438A的最小系统版,大家帮忙看看,挑挑毛病,改进一下.谢谢12V供电传感器5V不对呀!传完发现电容怎么都变成100pF了5438的最小系统版,大家帮忙看看U5开关管建议后面的电感用100uH的电感，你可以通过计算来得出你需要的感值。另外1117-3.3V后面可以加104和106的贴片电容其它就没有什么。ai.en发表于2015-1-2917:14U5开关管建议后面的电感用100uH的电感，你可以通过计算来得出已修改, wenzheng 电子密码锁 电子密码锁可能有点问题，请高手帮助分析一下怎么才能完成电子锁的功能！电子密码锁不知道，学习下贵了点啊谢谢了学习的谢谢 elle0406 电子设计 （遥控车） 有人猜测会有遥控车的题目就跟大家分享一下电子设计（遥控车），，，，，，，，，，欣赏下楼主能否描述的详细一些啊？ baiwuqiang123 51单片机的I2C问题 问下下面两个有什么区别不都是在SCL是高电平期间SDA有个下降沿就是启动信号么为什么上面的那个标注的运行起来是对的下面的那个就是错的51单片机的I2C问题你要确认，在你操作之前，两条信号线的状态。是不是空闲的。两条线都是高的情况，sda变低，就是开始。最好用示波器看一下。voidstart(void){sda=1;delay();sck=1;delay();sda=0;delay();sck=0; 沉淀淀 orcad 对off page 添加页码 ORCAD都有offpageconnector，我见过许多别人做的原理图中，每一个offpageconnector后面都加上一个页码，比如1，2...表示连接到哪一页里？我看了好久不知道怎么加上去的。Cadence_16.2：1、选中.dsn文件（工程文件），2、执行tools菜单里的Annotate命令3、在弹出的Annotate对话框中选择Packaging页，4、在action栏选择AddIntersheetReferences，5、点击【确定】按钮进 安圣基 网友正在看 Atmel: 物联网与硬件加密安全技术 交流负反馈四种组态的判断 产生式系统 高效光伏逆变器 第十六讲 IIC接口与AT24C02六--力天手把手教你学单片机之实战篇八 Evolution of the Arm AMBA Specifications 逆变电路的概念 混合编程1
