本课程为精品课，您可以登录eeworld继续观看： Collaborative Filtering Algorithm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 是德科技: 2分钟导师 TI 汽车数字仪表组解决方案 ARM开发之启动代码 Input filter effect on a power supply STB（机顶盒）和 OTT （流媒体播放器）应用技术详解 直播回放: 使用 DLP® 微型投影技术的 IoT 显示方案 Microchip PICkit 3 Programmer To-Go功能演示 设计宽输入 DC/DC 转换器，用于精密数据采集应用 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 msp430 的校准DCO设置，datasheet上有个gating time是什么意思 在MSP430，DATASHEET上看到这个，选通时间gatingtime，请问是什么意思msp430的校准DCO设置，datasheet上有个gatingtime是什么意思选通时间，？选通时间是用来干什么的？稳定时间？ z秦时无月 按键按下时数码管显示会有些闪烁（续） 大侠们！！！好好的帮我看看这个程序好吗？之前的程序http://bbs.eeworld.com.cn/forum....&fromuid=582339(出处:电子工程世界-论坛)下面是我更改之后的程序！之前的闪烁消除了，就是对于定时器中断1里的这段程序if(flag==1)/*有按键按下时蜂鸣器响一下（除按下S2键数码管不显示时不响外）*/{BZ=1;cnt++;if(cnt==12){cnt=0 werjufour altium designer如何设置不同网络间不能短路 不同网络间可以随意连线，这个容易发生错误，试过一些设置了，都不起作用。altiumdesigner如何设置不同网络间不能短路DRC错误检查看看是否勾选 如图允许短路设置如去掉打钩不行，删除多余规则，再新建规则试试lornheart发表于2015-2-1519:49DRC错误检查看看是否勾选 已勾选。qwqwqw2088发表于2015-2-1521:20如图允许短路设置如去掉打钩不行，删除多余规则，再新建规则试试 允许短路的钩一直都是 cwzdscs 【MSP430共享】MSP5438无线语音开发板资料 这些资料足够大家做个无线对讲机了【MSP430共享】MSP5438无线语音开发板资料不错不错学习了支持hao支持GOOD支持！GOOD马克吐温，学习了不错不错学习了 fengzhang2002 简述PCB高级设计之热干扰及抵制 热干扰是PCB设计中必须要排除的重要因素。设元器件在工作中都有一定程度的发热，尤其是功率较大的器件所发出的热量会对周边温度比较敏感的器件产生干扰，若热干扰得不到很好的抑制，那么整个电路的电性能就会发生变化。 为了对热干扰进行抑制，可采取以下措施： (1)发热元件的放置 不要贴板放置，可以移到机壳之外，也可以单独PCB设计为一个功能单元，放在靠近边缘容易散热的地方。例如微机电源、贴于机壳外的功放管等。另外，发热量大的器件与小热量的器件应分开放置。 (2)大功率器件的放置 ESD技术咨询 TI 招聘实习生啦!! 同学们看过来! ApplicationsEngineeringIntern(应用工程师实习生)职位描述：JobDescription:•WorkwithSystemEngineerandTestEngineerfornewSmartPowerSwitchValidation•DesigntheEvaluationboardandotherrelatedtoolsforSmartPowerSwitch• EEWORLD社区 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
