本课程为精品课，您可以登录eeworld继续观看： Optimization Objective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 MPLAB® X IDE 入门（上） Stellaris LaunchPad入门讲座（三） 天线/射频系统——相控阵天线设计技术 正点原子开拓者FPGA视频教程 数字视频软件开发套件（DVSDK）简介 TWS蓝牙解决方案 直播回放: onsemi 安森美领先的成像技术助您推进视觉产品创新 直播回放: 瑞萨电子 R-Car 先进驾驶辅助系统方案 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 USB 设备插入电脑显示无法识别的设备，加上上拉后问题解决，WHY？ 各位高手，最近小弟在升级软件的时候发现，有的设备可以通过USB端口与电脑连接升级，而有些缺找不到口，或者升到一半中断。后来我们尝试在外部D+上接了上拉电阻，发现此问题消失，但是我们芯片内部已经有了这个上来，为什么还要外接，另外，接了上拉电阻对通信都什么影响？好像在USB协议里面并没有说接上拉会对通信产生什么影响吧。还有就是发现上拉好像跟电流有一定得关系，如果上拉电阻太大好像也没有用。哪位大侠能给小弟解释一下吗?USB设备插入电脑显示无法识别的设备，加上上拉后问题解决，WHY？在没加上拉之 zhenxining 关于MSP430 LaunchPad 大学堂学习测试的体会 最近在学“TI精品讲堂--MSP430LaunchPad视频”，虽然认真学习了前面几讲，发现在做【课后练习】【学习测试】【LaunchPad】认证测试的时候，有些题目根本就不是视频里面的，这里的题目需要你对MSP430的各个产品特性有一个非常全面的了解后，才能拿到理想的分数。希望各个网页在看视频的时候，可以多上德州仪器的官网上看一下MSP430各个产品的技术手册，用户手册，然后再看视频，进行答题，这样成功率可能高点，以上是我个人的观点，仅供大家参考！关于MSP430LaunchPad fengye5340 【NXP Rapid IoT评测】+ 炫丽的初体验 很荣幸，终于有机会参加论坛的评测活动了。因为地理位置优势早早地就收到了这款RapidIOT，不过最近事情着实多，又要抽时间撰写论文，一直没腾出时间做评测，真是抱歉。收到套件后迫不及待的就打开了，不出意外，一贯的NXP系硬朗的包装盒，非常棒的质感。背面简要介绍了RapidIOT套件的功能，蓝牙、NFC、温湿度、震动、光照、空气质量……常用的功能应有尽有。迫不及待的打开盒子，IOT套件、USB数据线、快速启动指南，还有一只插针。与我预想的核心板 CC_Cambrian STM32F429IGT6移植micropython如何挂载NAND FLASH 如题，用的是正点原子的开发板，现在已经可以运行，但是文件系统只能识别到flash翻了原理图，发现有一个512MB的NANDFLASH可以用，如图不知道如何挂载，不知道是不是在mpconfigboard.h文件里，新人发帖，求助各位大大STM32F429IGT6移植micropython如何挂载NANDFLASH如果是集成到固件，需要修改源码中flash定义，设置spi、容量大小等。另外可以尝试在用户程序中，设置spi，然后用os.mount去外挂。 我看 yyyzyyyz 全球精准测量仪器市场前景看好 作者：佚名阅读：855引用：0发布时间：2006-06-2811:29出处：东方五金网对精准的部件测量的日益增长的需求已经成为迄今为止推动全球各地对光学数码化转换器(digitiser)和扫描器的需求增长的最重要的因素。由于用于测试新技术的资金充足，航空和汽车终端用户行业在开创这种技术方面发挥了关键作用，也促进了市场的发展。另一方面，某些终端用户行业的日臻成熟则对这些领域的需求产生了消极的影响，迫使该市场上的参与者积极寻找能够拓展其市场的新的途径，例 fighting 【Follow me第二季第3期】拓展任务-手搓一个信号发生器 前言拓展任务就是制作一个信号发生器，这里我们在DAC的功能上面进行拓展，同时实现使用按键，操作输出的频率；一：软件代码配置如上图所示：配置本次项目中，按键检测功能，所使用到的引脚，DAC输出和存储部分的二：软件编写流程1：初始化按键、DAC和存储使用的IO口2：配置DAC的输出3：检测是否有按键按下，当有按键按下时，执行更改DAC输出功能三：软件代码如下：/*TODO:addyourowncodehere*/fsp_err_t 聪聪哥哥 网友正在看 BIST2 Parallel ORA MISR 软件自带原理图库介绍与编辑 第5课 NAND FLASH控制器 各种模拟调制抗噪声性能分析及应用 ams 医用/工业CT医疗影像探测器芯片应用与解决方案 VSB和幅度调制抗噪声性能分析 字符设备驱动（第一节） 智能扬声器投影技术
