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 SimpleLink™Sub-1 GHz传感器到云端 直播回放: 力源 安森美半导体针对物联网的先进图像传感器解决方案 PSOC4000开发工具介绍 从零开始写容器 SimpleLink™Wi-Fi®CC32XX电源管理框架 2015 TI MCU研讨会(3) C2000 直播回放: Keysight 示波器基础培训 电磁兼容原理与设计 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 msp430内部基准电压问题 我使用的是msp430AFE253，在SD24模式中使用VREF。但是我测量出VREF基准电压是0.96V，理论上不该是1.2V吗？我也设置SD24REFON了，还是找不到什么原因。不知道各位大神知道什么原因吗？或者在程序中还需要设置其他什么东西吗？msp430内部基准电压问题 绵里针 一个关于i2c应答信号的简单问题 功能：发确认信号------------------------------------------------------------*/voidAck(){SDA=0;nod2();SCL=1;nod2();SCL=0;nod2();SDA=1;//这里有疑问nod2();}/*-------------------------------------------------------------功能：发无确认信号 tangzhizhen “这是个坑”+已被窗口看门狗逼成疯狗 完成了程序的初步设计之后，要求给它加只窗口看门狗，从此就疯了好几天，配置狗，使能狗，中断函数，完美，应该跑起来了把，图样图生破，按照手册计数器从0x40到0x3f这段要进中断函数，不喂狗在变成0x3f时会产生系统复位。现实是残酷的，单片机一直在复位从未进入wwdg的中断，到底是为什么呢？后来就各种尝试，发现问题出在了清标志位这，不是忘了清，而是根据网上找到的一些类似的问题，在st上看到的也是解释不清楚，猜测是中断清除需要时间导致的，关键其他中断处理没有这个问题，问题大概是解决了，但是原因还是没搞 y909334873 单片机判断交流电动机是否运行 我想用单片机判断几个220V的交流电动机是否真的运行或是关闭了这个电路应该怎么实现麻烦各位发表下自己的高见。单片机判断交流电动机是否运行 twd3621576 用单片机实现蓝牙功能 本帖最后由paulhyde于2014-9-1503:20编辑用单片机实现蓝牙功能用单片机实现蓝牙功能本帖最后由paulhyde于2014-9-1503:20编辑ding本帖最后由paulhyde于2014-9-1503:21编辑顶！本帖最后由paulhyde于2014-9-1503:21编辑这个没介绍么本帖最后由paulhyde于2014-9-1503:21编辑刚挖到芯币，阔气了， 江汉大学南瓜 【泰坦触觉 TITAN Core开发套件】蓝牙音乐播放测试 参照网页https://bbs.eeworld.com.cn/thread-1304563-1-1.html的介绍，终于复现了通过蓝牙通讯实现的音乐播放功能。实现的方法有2种，即通过手机来控制和通过电脑来控制。在测试前的必要准备工作是将开发板设置在蓝牙工作模式，即按图1所示来进行短接。图1模式设置然后按图2所示来连接触觉马达，经测试连接触觉马达数量多，则声音强。此外，应将触觉马达粘附在纸板上以增强播放效果。图2连接方法1.电脑方式先 jinglixixi 网友正在看 频谱的线性搬移电路（一） Pathological Data Sets and Universal Hashing Motivation TinyEngine - Efficient Training and Inference on Microcontrollers EMC共地干扰问题解析 離散F轉換 - 8_傅立葉轉換範例 - 週期三角函數 北京大学课程：电磁学28 F题—纸张计数显示装置解析与交流 总线及其形成（四）
