本课程为精品课，您可以登录eeworld继续观看： Choosing the Number of Principal Components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 2018 PSDS 研讨会系列 - (1) 谐振变换器拓扑综述 Microchip触摸解决方案的一天 TI 15.4 协议栈，以及低功耗远距离传感器到云端解决方案介绍 火遍极客圈的Vincross HEXA 全地形可编程机器人开箱评测 CES 2015: 低功耗Bluetooth Smart平台 数字电子技术基础 研讨会：开拓IoT社会 尼吉康的新蓄电装置 各种电容的介绍 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 这是怎么回事呢？重启ccs很多次了！ 使用ccs5.2调试例程调试pmsm3_4例程程序load的时候总提示Nosourceavailablefor0x3fffff根本进不去main函数请问下这个可能是什么原因引起的，我都重启ccs很多次了，现象一样\0\0\0eeworldpostqq这是怎么回事呢？重启ccs很多次了！好像刚用CCS5的时候遇到过，好久了，忘了怎么解决的了好像是有些地方配置的问题。再看看别人有知道的不jishuaihu发表于2015-2-2710:18 CHIYU MSP430(F5529)学习笔记——UCS配置详解 MSP430(F5529)相比MSP430(F149)来讲，功能更加强大。UCS简介MSP430F5XX/MSP430F6XX系列器件的UCS包含有五种时钟源，依次是：XT1CLK、VLOCLK、REFOCLK、DCOCLK和XT2CLK。这五种时钟的详细介绍请参考该系列芯片的指导手册，其中XT1CLK、VLOCLK、REFOCLK和XT2CLK跟MSP430F1XX系列没有太大区别，学习配置起来也比较简单。UCS上电默认状态PUC后，UCS模块的默认状态如下：( girlkoo 数字化智能充电器的设计 摘 要：设计了基于单片机的智能充电器,介绍了其硬件和软件实现。该充电器可以实时采集和计算电池的参数,并进行智能控制,还可以通过串口和上位机进行通讯并进行实时 关键词：智能充电器单片机开关电源锂离子电池 现代通讯设备、便携式电子产品、笔记本电脑、电动汽车、小卫星等普遍使用蓄电池作为电源,应用非常广泛。然而大多数设备中的蓄电池,只能使用专用的充电器,而且普通的充电器大多充电时间长,无法判断其充电参数和剩余的充电时间。 本文介绍一种基于单片机的通用智能 fighting 谁能帮我把Allegro 的这个PCB 转成ALTIUM AD9的格式 麻烦了。先谢谢了。谁能帮我把Allegro的这个PCB转成ALTIUMAD9的格式内电层有点小问题，软件不兼容谢谢了。这个是别人转了一下的把它转成CADENCE16.5能用的。SWRC286.ZIP是厂家出来的。帮我看看这个吧。谢了。哈哈。 damiaa 庆科WIFI库中UwtPara_str是早期版本的定义还是怎么回事？ 庆科的库说明中，有voidApListCallback(UwtPara_str*pApList)这个函数的说明，其中提到UwtPara_str结构，而在例程中，却使用的是ScanResult。在例程可以找到ScanResult的定义，而找不到UwtPara_str的定义，在编译时，如果使用ScanResult结构，可以编译通过，而使用UwtPara_str结构却不可以，说明即是在lib文件中，也没有UwtPara_str的定义。我的疑问是，文档没 dontium atmel sam_ICE在线调试 最近使用atmelD20Jmcu，用的是官网的atmelsam_ICE调试器，AtmelStudio的编译环境，不太懂在线调试，有使用过相同的工具和环境的，可否说明一下？atmelsam_ICE在线调试http://www.eeworld.com.cn/huodong/201501_Atmel_SAM_D21/楼主下载这个资料看看wgsxsm发表于2015-2-311:52http://www.eeworld.com.cn/huodong/201501_At crystalf 网友正在看 CLA协处理器模块特性介绍，模拟子系统特性介绍，增强型脉宽调制模块(ePWM) 电源技术基础 (1) - 电源的基本认识 电路方程的矩阵形式（四） How_to_Protect_PLC_I_O_Modules_with_Fused_Terminal_Blocks platform ：虚拟的平台总线 移动通信系统-17 元件Group的技巧使用 循环队列的结构、操作、入队出队算法
