本课程为精品课，您可以登录eeworld继续观看： Vectorization- Low Rank Matrix Factorization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 直播回放: Microchip安全系列23 - ADAS平台可信根 2020_Digikey KOL系列：图形算法在深度学习等应用中的加速手段 高速电机的研究与开发 TINA-TI培训课程 C2000™概述及产品路线图_2016 TI 嵌入式产品研讨会实录 MSP430电容触摸技术 - 防水Demo演示 功率级保护，电流感应，效率分析和相关的TI设计 利用Atmel Studio 6微调QTouch设计达到最佳效能 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 求教各位的Open1081调试中遇到的问题怎么记录的 前几天收到论坛发来的Open1081套件试用，今天想着编译例程看看效果的。可惜啊，http://www.eeworld.com.cn/huodong/201409_MXCHIP/下面的demo压缩包似乎损坏了，下了好几遍都不能解压。找了好一会都没看到有帖子记录这个问题，不知各位当时都是怎么解决的？后来索性去了微雪官网下的资料waveshare.net/shop/Open1081-A-Package-A.htm下载了1.19的例程，发现编译居然通不过。真是神奇。呵呵。后来找啊 lonerzf stm32f407的delay延时函数过不去，它是用定时器中断延时。 delay延时函数过不去，voiddelay_ms(u16nms){ntime=nms;SysTick_Config(168000);while(ntime);SysTick-CTRL=0x00;}__STATIC_INLINEuint32_tSysTick_Config(uint32_tticks){if((ticks-1)SysTick_LOAD_RELOAD_ 电子-------- Helper2416-27——Linux_Programing——传输文件到目标版 Linux_Programing——传输文件到目标版参与Helper2416开发板助学计划心得学习Linux应用编程，却总是为怎么把在宿主机上编译好的文件传送到目标版运行而犯愁，一段琢磨后有了一个比较适合自身的解决方案，现在分享给大家！如果您有什么好的方法，请不吝赐教在《HELPER2416_V2开发板LINUX用户手册》中给我们介绍了如下几种传输方式：1：使用U盘传输文件2：使用SD卡传输文件3：使用串口传输文件4： yuanlai2010 MSP430低功耗问题 这两天用MSP430F5438A做一个低功耗项目。关于怎么尽可能的降低功耗，想请教下诸位大神。在数据手册上看到这么一段：UnusedI/OpinsshouldbeconfiguredasI/Ofunction,outputdirection,andleftunconnectedonthePCboard,topreventafloatinginputandreducepowerconsumption.ThevalueofthePxOUT 两个人的烟火 自制LED发光名片 这个发光的LED名片是由幼儿园老师设计的，名片上面印着小朋友的名字，方便老师记忆。制作所需的材料也非常简单：2023纽扣电池3mm高亮led两个2mm厚的亚克力板2根短导线透明胶带最后还需要一台激光雕刻机。第一步：用激光雕刻机进行雕刻。首先输入小盆友的名字和图像。在雕刻名字和头像的时候，要把激光的功率调小，雕刻刀快要刻穿即可。第二步：插入LED。你可以选择不同颜色的LED。先把LED的腿折成90°，然后插入到LED孔。第三步：连线。根据LED的正负极，连 RichCastle LM3150输出电压3.8V 原理图是这样的。输入电压为24V，LM3150输出电压设计为10V。空载，上电后，LM3150电压输出由10V降到3.8V左右，不知道什么原因。感觉LM3150好像进入某种状态。\0\0\0eeworldpostqqLM3150输出电压3.8V我手里也有几片3150，PCB已经打好了，还没有装机。楼主的负载有多大？是不是过流保护了？看图没啥问题；楼主测试下各个点的数据，和数据测试比是否正常； xiaochen 网友正在看 How To Track Down Common Mode Noise OVERCURRENT PROTECTION - 408.36 Electronics 1, Lec 1, Intro., Charge Carriers, Doping 电气过应力 (EOS) 1 （实验四）串口实验 串口RS232（八） 1.1 DLP 技术在增强现实抬头显示器应用中的优势 存储器系统设计（五）
