本课程为精品课，您可以登录eeworld继续观看： Prioritizing What to Work On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 轻松走进DSP的大门视频讲座连载 240A 6相PMBus降压转换器设计开箱介绍 零基础教你学习电子焊接 一周搞定系列之模电 无线电烙铁演示 研讨会：将至已至，物联网时代的典型应用: Maxim 深入浅出低功耗 MCU 直播回放: 使用DLP® 微型投影技术设计增强现实智能眼镜 直播回放: C2000™ 内置可编程逻辑模块CLB的介绍和应用 热门下载 AVR ATMega16最小系统原理图PCB AFE5801,pdf(8-Channel Variable-Gain Amplifier (VGA) With Octal High-Speed ADC) 准谐振式反激式开关电源IRIS4015原理及设计要点 精彩解码板、激光头详细说明图 化学气相沉积与无机新材料 PCI-to-PCI Bridge Architecture TMS320VC5501-300,pdf(Fixed-Point Digital Signal Processor) 用8位单片机实现ARINC429总线数据传输 线性动态电路 电脑游戏机硬件与编程特技.rar 热门帖子 关于用KEIL 进行C8051F021仿真调试 我用KEIL uvision3连接新华龙的UEC-6进行C8051F021仿真调试时 发现按调试按钮后 修改过的程序直接烧进了FLASH里 这样直接修改了程序,我想问下怎么可以在不改变原程序的情况下进行在线调试？是不是KEIL里哪个按键可以呢 关于用KEIL进行C8051F021仿真调试求助啊怎么能在仿真过后不改变FLASH里的原程序http://www.xhl.com.cn/upfile/Image/2011/6/2011061 小笨蛋猫 在.NET CF中获取GPS数据 请问有没有在.NETCF2.0中获取GPS数据的例子?看到WindowsMobile5.0有GPS函数，有没有相关的.netcf托管类?在.NETCF中获取GPS数据关注CF开发！但LZ似乎,好像,可能,应该到“嵌入式开发”里去问！确实，转移一下，谢谢。以前的话直接操作Com端口后来有了OpenCF提供GPSClass再后来到WM5有了GPSID,MS封装了一层调API现在WM6中似乎会更方便了!自己写解析也可以:如:$GP skytager 如何用MSP430单片机flash存储数据 这个涉及到查找，查找算法有很多，针对不同的情况有不同的算法，你存的数据是什么数据呢？你要实现断电记录位置，搞个EEPROM，每次写之前把上一次的位置写入EEPROM，就可以了，位置提前记录，重写的时候已存在的数据重写一遍不会有问题。 FLASH闪存闪存的英文名称是FlashMemory，一般简称为Flash，它属于内存器件的一种，是一种不挥发性（Non-Volatile）内存。 闪存的物理特性与常见的内存有根本性的差异：目前各类DDR、SDRAM或者RDR fish001 嵌入式Linux应用_开发_完全_手册(完整版) 韦东山老师的书还是不错的论坛里有一个贴但是里面缺了很多章发个完整版的如果有版权问题请斑竹删除~~~觉得此书好，请自觉购买正版书籍！！！（共11个附件） 嵌入式Linux应用_开发_完全_手册(完整版)下载过来看看，怎么就三个附件呢没上传完的话，是打不开的网速不给力所以慢慢传所以在文中注明了11个附件回复板凳zhangdaoyu的帖子上传完毕了回复板凳zhangdaoy 常见泽1 帮我看看STM32进不了main函数 我在调试STM32编译通过，但是用S_TLINK单步调试的时候进不去main,在“0x080000D64780BLXr0”处停住了，请问高手,这个问题的原因是什么?怎么解决?谢谢!帮我看看STM32进不了main函数STM32调用SystemInit配置系统时钟去了，检查一个你的时钟配置是否有问题吧启动文件错了吧，你用的是什么片子，一般103105107大容量的用startup_stm32f10x_hd.s按期容量来选择，你f0系列的对应的启动文件对了么？一 tyc119514155 DSP2812的SPI如何读取光电编码器信息？ PMSM（永磁同步电机）位置信息采集，采用的是多摩川的绝对式光电编码器，两路差分数据信号，现在想用dsp2812的SPI功能去给光电编码器发送使能信号，并读取光电编码器信息，该如何进行配置呢？SPI能用来读光编的信息吗？求各位大神指教！DSP2812的SPI如何读取光电编码器信息？ lx2016201459 网友正在看 工作队列实验 simatic s7-30 0plc及指令系统（七） lv_conf配置文件详解上篇 直流马达截波器控制 截波器多象限控制（下） 电源设计小贴士52：改造墙式电源 UCD3138数字PWM（DPWM）模块：内存调试器超级旋转演示 STM32F7 vs STM32F4在图像计算中的性能 静态组合逻辑电路——传输管（门）逻辑
