本课程为精品课，您可以登录eeworld继续观看： Autonomous Driving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: C2000 在电机控制中的应用 如何以及为什么用负载开关替换分立MOSFET 全方位解析AT91SAM系列启动方案AT91Bootstrap 直播回放: Melexis 详解半导体研发功能安全的实现与技术支持 这支AR画笔，可隔空作画，一键3D打印 2016 TI 工业研讨会：TI时钟产品在工业领域系统应用和设计技巧 SYS BIOS简介(4)——软件中断_1 直播回放: Microchip 安全系列16 针对企业的Wi-Fi安全 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 spartan6的iserdes2 最近在使用ISERDES2，遇到些问题，哪位高手能帮忙看看或者解决一下啊，不胜感激。问题如下：ISERDES2设置为“SDR时，系统时钟使用100M，倍频后的时钟为800M，整个系统编译后运行挺正常的，但是时序分析上报了错，不能用800M，所以感觉不放心。就想着使用”DDR，那么问题就来了，使用DDR时，时钟总是遇到问题，clk0和clk1怎么产生呢，通过PLL产生两个400M的时钟，其中一个做了180的相位延时，这种方式布线一直过不了。另外一种就是只产生一个400M的时钟，接到cl huan 【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 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 【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 有奖DIY——板子到手下载固件+电池供电 昨天板子寄到公司，今天拿到，塑料外壳的两端头被压破，端头排针压弯了两根。还好的是板子没有问题1.插上usb上电可以看到这个界面。有些系统参数，日历，系统监控，还有个游戏是围棋2.下面准备安装驱动把板子插到电脑usb接口；下载@IC爬虫朋友提供的stlink_utinitystsw-link004.zip下载下来然后安装，安装的时候会自动把驱动安装好安装完毕后打开软件w下载完毕，自动复位，界面出来了下面开始diy供电，因为是买的现成的模块，这个是最简单的 kejoy rockchips RK3188 CRU文档 谁能提供一下rk3188cru的相关文档，写了个timer程序，跑不起来，不知道怎么配置时钟这块，没有详细文档；rockchipsRK3188CRU文档rockchips的片子知道的人不多啊应该很难找到相关资料 kun_ni 网友正在看 选择最适合您应用需求的ADC架构 第1部分：精密SAR和Delta Sigma模数转换器 第一章 第2讲 导论（四） LPC80x 微控制器系列: 生态系统介绍 NXP PEPS 应用方案 Linear classification1 自动驾驶的矫正 电路方程的矩阵形式（一） 数据校验和防碰撞算法（二）
