本课程为精品课，您可以登录eeworld继续观看： Problem Description and Pipeline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 十天学会单片机和C语言编程 直播回放: Microchip 安全系列15 利用dsPIC33/PIC24和ATECC608器件简化安全应用设计 Required Technologies for Transmission of 4 x 25 Gb/s Over a Copper Backplane (下) 电源设计小贴士16：缓冲正向转换器 C2000微控制器简介 慧净电子Arduino视频教程 机智云Gokit3入门视频 为明天进行工程创新 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 51单片机的中断系统详解 单片机中断是一种在程序执行过程中，根据特定的条件或事件自动暂时中断当前程序的执行，转而执行特定的中断服务程序的技术。这种机制能够提高单片机系统处理外部或内部事件的效率，实现实时处理、分时操作、故障处理以及待机状态的唤醒等功能。以下是单片机中断的基本概念、作用及其在系统中的具体应用：基本概念 中断源：产生中断请求的单元或事件，可以是外部设备（如按键输入）或内部事件（如定时器溢出）。 中断请求：中断源向CPU发出的请求处理信号。 中断响应：CPU暂停当前 wangxianr 请教高手模电知识 对于一个放大电路来说，当输入信号频率升高，电路中的耦合电容以及极电容的容抗就会变小，使信号受到损失。问题:为什么说容抗变小了，信号就会受到损失？我的理解是容抗变小，应该说是信号更容易通过，更不容易损失呀。这是为什么？请各位高手指点一下。谢谢。请教高手模电知识放大电路有输入阻抗的概念，放大电路的上一级有输输出阻抗等效于信号源内阻，而输入到放大电路的信号其实是信号源内租与输入电阻串联后输入电阻上的分压。当输入电阻减小时信号会是实际输入信号减小，这样输入就损耗在信号源内阻上，这也是高频选共 whwshiyuan1984 初到这个板块，散分+几个新手问题 俺，毕业2年多了。以前混软件，现在混到硬件了。//以后再发感慨，这里先不废话了。最近需要自学单片机，也抽空查了点这方面的资料。问几个比较小白的问题：1、北京附近哪有卖单片机片子的？C51或ARM之类的？提供个网址俺网购也行。2、程序要下载到单片机里，是要买专用线还是可以自己做一条？怎么做？（某一特定型号）//俺现在在一电子厂工作，材料不缺。3、顺便求一些入门资料和比较好的学习网站。给个链接就行。初到这个板块，散分+几个新手问题1.bj俺不熟，网上不买，也不熟。2.大部分的 wrerer PDA串口通讯射频问题 C#代码 请教老板让做个PDA串口通讯射频的东西C#代码1、测量仪器空闲时不断向串口发送READY信号（02H+01H+AAH+03H+A8H），同时串口读取数据检查手持机是否发送启动命令（02H+01H+55H+03H+57H）。2、手持机检测到设备发出的READY信号后，向仪器发送启动命令包。我要做的是手持机的部分想请教1手持机如何检测接收信号2手持机如何向仪器发送信号非常感谢！PDA串口通讯射频问题C#代码1手持机如何检测接收信号——轮讯和中断应该都可以吧.我原来重来没接 hbxt561 关于Coinitialize的多线程调用 Coinitialize CoInitialize是Windows提供的API函数，用来告诉Windows以单线程的方式创建com对象。应用程序调用com库函数（除CoGetMalloc和内存分配函数）之前必须初始化com库。 返回值S_OK:该线程中COM库初始化成功S_FALSE该线程中COM库已经被初始化CoInitialize()标明以单线程方式创建。 使用CoInitialize创建可以使对象直接与线程连接，得到最高的性能。 CoIni murray 【Follow me第二季第4期】任务汇总 任务一：基础实现：搭建环境并开启第一步Blink三色LED/串口打印HelloDigiKey&EEWorld！链接：任务一链接基础代码：#includeWiFiNINA.h//#includeArduino.hvoidsetup(){Serial.begin(115200);pinMode(LEDB,OUTPUT);pinMode(LEDR,OUTPUT);pinMode(LEDG,OUTPUT);digitalWr mingzhe123 网友正在看 Lec 9, Other Examples of Diode Circuits, Half-Wave Rectifier 多分辨率分析 设计约束及时序分析2 ESP8266使用方式 Nyquist稳定判据（二） 自动控制原理6-8 视频大纲与学习目标 (8b) Designing with the F2870x and F2837x Microcontroller Family (2)
