本课程为精品课，您可以登录eeworld继续观看： Data For Machine Learning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 MCP47X6 DAC PICtail Plus子板 Atmel_AVR_MCU功能应用总汇 采用 LTpowerPlay 来管理 LTC2978 USB Type-C 和 PD 直播回放: Melexis 详解半导体研发功能安全的实现与技术支持 运算放大器技术概述 Digi-Key 与 DFRobot 的 maker 作品: 履带车 python3视频教程 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 本人用12864和51做的简易示波器 所用元件：AT89S52+TLC0831+LCD12864-12先上一段视频：主程序是这样工作的，先建立一个128字节的数组，AD循环采集128次，得到128个数据。然后在退出采集进行显示，显示完后在延时1.5秒（液晶刷新太慢）后在采集，如此往复。 本人用12864和51做的简易示波器程序中主循环代码：while(1){k=readadc();//AD采集i++;if(i128){for(i=0;i128;i++)setpoint wjzpp LPC1114之SysTick计算 LPC1114的SysTick延时时间的计算方式如下图我用这个延时做了一个LED闪烁的例子，现在共享给大家。下面是源代码，附件里有工程文件。#include"LPC11xx.h"/*LPC11xxdefinitions*/#include"gpio.h"uint32_tflag=0;/*------------------------------------------------------------------------ lixiaohai8211 跪求帮助，急急急stm32的问题，大神在哪？？？ 今天遇见两个问题下面是问题1.打开文件工程无法运行调试恳请大神指导跪求帮助，急急急stm32的问题，大神在哪？？？今天遇见两个问题下面是问题2.新建文件工程无法运行调试，总是有错误，怎么回事啊。。。。。。哪个大神帮一下忙。。。。。是不是没选择器件你的Keil没有正确安装，没有找到工具链。多半你的Keil是从其它地方复制过来的，需要修改Keil下的TOOLS.INI文件，把里面的目录改一下，如：PATH=e:\\Keil\\ARM\\楼主的Keil编译器，路径不对或没有指定， 也许想你 福禄克专家级红外热像仪抢先预约现场演示送罗技无线鼠标 福禄克发布大师之选——专家级红外热像仪，314万个真实测量的温度数据，抢先预约现场演示！您可以现场体验最尖端红外技术；畅享最全面的辅助功能；交流全新红外应用案例；从温度的角度分析问题，针对您的应用定制专属红外解决方案。填写此链接中的表格，即可抢先预约现场免费演示，提前体验福即将隆重上市的专家级热像仪（红外像素高达2048*1536）。所有预约成功的工程师都可以获赠价值180元的罗技无线鼠标一个:pleas eric_wang [资料]凌阳单片机SPCE061A芯片资料 最近正在实习，得到一些凌阳单片机的资料，传上来看大家谁需要^_^资料说明1.《61指令周期表V1.1》介绍了SPCE061A的unSP1.1版本CPU内核的指令周期数、指令形式等2.《SPCE061A英文数据手册v0.8》最新的英文数据手册，当其他资料和它冲突时，以这份资料为标准3.《SPCE061A英文编程手册v1.3》最新的英文编程手册4.《SPCE061A的FAQ》SPCE061A芯片使用过程中的常见问题及解答5.《LQFP80的脚位图 SuperStar515 【晒图贴】NUCLEO-091和上次开发奖品移动电源一起到了 【晒图贴】NUCLEO-091和上次开发奖品移动电源一起到了恭喜楼主啊恭喜啊，我的华为盒子怎么还没到呢恭喜恭喜楼主威武恭喜恭喜NUCLEO-091真漂亮，我也要团购一片双喜临门！ Veiko 网友正在看 inverse kinematics of 6 dof robot 开关电源稳定性分析之奈奎斯特稳定性判据 AlphaDog Proto 加权采样时间，宽度摸块 丝印调整 嵌入式数据库B7.1 SPI主控制器驱动和核心函数 1.1 电量计方案选型、基本功能介绍
