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 WEBENCH FPGA Power Architect 功能导览 – 全面的FPGA电源系统设计 直播回放: DigiKey FollowMe 第二季 第4期 Arduino Nano RP2040 Connect 任务讲解 基于灵动MM32L系列低功耗MCU的测温枪应用方案分享 Silicon Labs Lua脚本语言在大批量自动测试中的应用 TI-RSLK 模块 18 - 串行通信 控制系统仿真与CAD 用电源开关驱动感性负载 现代机器人学 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 对LC测量小工具的疑问？？？？ 前些日子出差办事，为了生活四处奔波哈，回来我看了LC小工具，我也搭了个，频率顺利测出，也用了整理的程序，但我的电容值显示不了，对电容的计算，我的问题是要那个F2，做什么呢？我只测电容只要F1和F3不就行了{X=Key_Div(F1,F3);//这个明白X/=Key_Div(F1,F2);//这个不明白X*=C0;show_float(Cx,X);Lcd_Clear_Line(2);Lcd_Write ddllxxrr 请问一下main.c的烧录问题 TM4C123g烧录过程中出现四个error，跟视频教程有一点不一样，视频里是tivaware.1，我电脑里是tivaware.2.1，还有烧录的时候说我没有有效的lisence，要在官网上注册90天试用期，可是烧录TM4C不是不需要注册付费的吗？？？请各路大神不吝解答，谢谢！请问一下main.c的烧录问题好长时间没用TM4C了，可能有点跟不上形势了。你用的是CCS吧？我建议还是用MDK吧。Study_Stellaris发表于2015-3-3020:41好长 ryan0801 请教 单片机 LCD显示驱动 AT89c52 20分敬上！！！ //LCD显示屏幕驱动//2009-5-6//------------------------------#includeAT89X52.H//通用常量#defineHIGH1#defineLOW0#defineTRUE1#defineFALSE0#defineZERO0#defineMSB0x80//----------------//Max7219#defineDECODE_MODE0x0 m200200 LED电子工程师必知必会（技术原理+芯片知识+电路大全） 包含LED全套知识，LED工程师必须具备的，LED技术原理，驱动设计，设计技巧，散热解决方案，电路大全等等。非常适合广大LED电子工程师学习掌握。LED电子工程师必知必会（技术原理+芯片知识+电路大全）先收藏了，谢谢分享！非常感谢楼主辛苦了感谢楼主谢谢分享谢谢楼主谢谢楼主感谢楼主分享谢谢楼主希望能帮助到大家谢谢，挺不错的分享感谢楼主下载学习，谢谢楼主分享!好东西收到了正是我所需，十分感谢！感谢分享！点灯是一门 木犯001号 A Tops Down Approach to IC Design ATopsDownApproachtoICDesignATopsDownApproachtoICDesign多谢！Re:ATopsDownApproachtoICDesign8错，坚决支持，谢谢了，顶你一下Re:ATopsDownApproachtoICDesign好东西啊，支持Re:ATopsDownApproachtoICDesign zzzzer16 Proteus 7.10专业破解版2012发布 下载 免费下载 特性ProteusVSMforARMCortex-M3-Simulationsupportforthispopularfamilyofmicrocontrollers.AddedPIC16(L)F1516,PIC16(L)F1616,PIC16(L)F1617,PIC16(L)F1618,PIC16(L)F1619models.AddedPIC18(L)F24J50,PIC18(L)F25J50,PIC18(L)F26J50,PIC18(L) zhengoogle 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）
