Andrew Coursera Machine Learning

最新推荐文章于 2021-03-19 17:47:52 发布
原创 最新推荐文章于 2021-03-19 17:47:52 发布 · 215 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#Coursera Machine Lea

本文记录了作者在Coursera上完成的各类课程学习经历，涵盖了不同领域的专业知识和技术实践。
https://www.coursera.org/?skipRecommendationsRedirect=true&tab=completed
COURSERA- 吴恩达机器学习 Machine Learning by Andrew NG
weixin_41460195的博客
10-01 405
COURSERA —— Machine Learning by Andrew NG Week 1 Introduction Lesson 1 Welcome machine learning -Grew out of work in ai -New capability for computers Examples: • Database mining ◦ Large datasets from growth of automation/web. e.g., Web click data, medical
Coursera Machine Learning 第二周编程全套满分题目+注释（包括选做optional）
11-26
7. **`machine-learning-ex1`**：这是一个练习文件夹，很可能包含了与作业相关的所有代码和数据。在这个文件夹中，可以找到实现线性回归、梯度下降等概念的完整工作流程。 总的来说，这份资源提供了从理论到实践的...
Coursera Andrew Ng Machine Learning
NBY的博客
11-12 323
监督学习 教计算机如何完成任务 无监督学习 让计算机自己学习
Coursera Machine Learning —— Week1
weixin_42150654的博客
03-19 407
Foreword 在写机器学习的学习笔记之前呢，必须要吹一波最近的偶像，Andrew Ng吴恩达。 很早之前看了点儿Stanford CS229 Machine Learning，听说是Stanford报名人数最多的课，Andrew魅力实在太大了。因为一些原因（懒），看了一课时之后就弃了，然后这次选了难度低很多的Coursera上的也是Andrew的Machine Learning（Coursera就是Andrew创办的），因为针对小白，所以英文用词上也会简单很多，听起来不会很累，但是还是CS229里面的A
Coursera Machine Learning 第六周 quiz Machine Learning System Design
热门推荐
OovEver的专栏
11-12 1万+
有用就点个赞吧 1 point 1.  You are working on a spam classification system using regularized logistic regression. "Spam" is a positive class (y = 1) and "not spam" is the negative class
coursera Machine Learning, Andrew Ng
miss_snow_m的专栏
03-31 591
Here I want to recommend a course on machine learning from Andrew Ng. And as I am watching the video, I find it more efficient to watch the video together with blogs, and I think the following one is
带解题思路:Coursera Machine Learning 第六周 quiz (Machine Learning System Design)
BeiErGeLaiDe的博客
08-05 1万+
帮助到你了就点个赞吧~ Powered By 刘亚龙-站在巨人的肩膀上 注释为ML的个人理解，不正之处还望海涵 带注释的No.6~ML习题： 1. You are working on a spam classification system using regularized logistic regression. "Spam" is a positive class
coursera Machine learning Andrew NG 笔记（一）
laura0949的博客
01-15 1383
看到不少推荐Andrew Ng的机器学习的课程，所以在coursera上注册了开始学。2016年1月15日1. Introduction1. machine learning definition Arthur Samuel(1959): Machine learning is a field of study that gives computers the ability to learn
Coursera Machine Learning课程学习系列入门
lin370的专栏
03-06 1750
Coursera Machine Learning by Andrew Ng 课程学习系列作为机器学习的初学者
Andrew Ng Machine Learning Coursera学习笔记
weixin_30734435的博客
10-31 151
课程记录笔记如下： 1.目前ML的应用 包括：数据挖掘database mining、邮件过滤email anti-spam、机器人autonomous robotics、计算生物学computational biology、搜索引擎Google/Bing、 自动直升机autonomous helicopter、自然语言处理Natural Language Processing ...
coursera Machine Learning 第12348课代码
04-30
在Coursera上，吴恩达（Andrew Ng）教授的机器学习课程是全球最受欢迎的数据科学与人工智能课程之一。本课程的第12348课着重于通过实践操作来深化理解机器学习算法，特别是通过MATLAB语言实现。MATLAB是一种强大的...
Coursera—machine learning(Andrew Ng)编程作业ex1-ex8
01-15
在本资源中，"Coursera—machine learning(Andrew Ng)编程作业ex1-ex8" 是一项关于机器学习的在线课程，由著名学者吴恩达（Andrew Ng）教授。这门课程是许多初学者入门机器学习的经典途径。编程作业部分包括了从ex1...
Coursera Machine Learning ex2第三周 week3编程全套满分题目+注释（包括选做optional）
12-01
在本资源中，我们主要关注的是Coursera上Andrew Ng教授的机器学习课程中的第二门课（ex2），这是第三周的编程作业。这个压缩包包含了一整套完整的编程题目解答，以及详尽的注释，甚至涵盖了选做题目（optional）。这...
coursera machine learning编程作业答案
02-02
在Coursera上，Andrew Ng教授的“机器学习”课程是全球最受欢迎的在线教育课程之一，涵盖了广泛的机器学习理论和实践。这个压缩包文件包含了该课程的编程作业答案，覆盖了从基础到进阶的多个练习，可以帮助学习者...
五次多项式换道转向避撞轨迹规划可视化Matlab代码（分析不同车速与路面附着系数对换道时间、距离及横向加速度的影响）
11-27
五次多项式换道转向避撞轨迹规划可视化Matlab代码（分析不同车速与路面附着系数对换道时间、距离及横向加速度的影响）内容概要：本文介绍了一套基于五次多项式插值的换道转向避撞轨迹规划方法，并提供了完整的Matlab可视化代码实现。该方法用于自动驾驶或智能车辆在紧急避障场景下的平滑轨迹生成，重点分析了不同初始车速与路面附着系数对换道过程的影响，包括换道所需时间、行驶距离及横向加速度的变化规律，从而评估轨迹的安全性与舒适性。文中通过仿真展示了在多种工况下轨迹的动态特性，帮助理解车辆动力学约束与路面条件对路径规划的影响。; 适合人群：具备一定车辆动力学基础和Matlab编程能力的研究生、科研人员及从事自动驾驶路径规划的工程技术人员。; 使用场景及目标：①研究自动驾驶车辆在避障换道过程中的轨迹生成与优化；②分析车速与路面摩擦系数对换道性能（如时间、距离、横向加速度）的影响；③为智能驾驶系统提供可验证的轨迹规划算法原型与仿真平台； 阅读建议：建议结合Matlab代码逐段运行并调整参数（如车速、附着系数），观察仿真结果变化，深入理解五次多项式在横向轨迹规划中的应用优势与局限，同时可扩展至更复杂的动态环境或多车协同场景。
中国移动数据分类分级及重要数据管控指导意见(1).docx
11-27
中国移动数据分类分级及重要数据管控指导意见(1)
基于数据驱动的 Koopman 算子的递归神经网络模型线性化，用于纳米定位系统的预测控制研究（Matlab代码实现）
最新发布
11-27
基于数据驱动的 Koopman 算子的递归神经网络模型线性化，用于纳米定位系统的预测控制研究（Matlab代码实现）内容概要：本文围绕“基于数据驱动的Koopman算子的递归神经网络模型线性化”展开，旨在研究纳米定位系统的预测控制方法。通过结合数据驱动技术与Koopman算子理论，将非线性系统动态近似为高维线性系统，进而利用递归神经网络（RNN）建模并实现系统行为的精确预测。文中详细阐述了模型构建流程、线性化策略及在预测控制中的集成应用，并提供了完整的Matlab代码实现，便于科研人员复现实验、优化算法并拓展至其他精密控制系统。该方法有效提升了纳米级定位系统的控制精度与动态响应性能。; 适合人群：具备自动控制、机器学习或信号处理背景，熟悉Matlab编程，从事精密仪器控制、智能制造或先进控制算法研究的研究生、科研人员及工程技术人员。; 使用场景及目标：①实现非线性动态系统的数据驱动线性化建模；②提升纳米定位平台的轨迹跟踪与预测控制性能；③为高精度控制系统提供可复现的Koopman-RNN融合解决方案； 阅读建议：建议结合Matlab代码逐段理解算法实现细节，重点关注Koopman观测矩阵构造、RNN训练流程与模型预测控制器（MPC）的集成方式，鼓励在实际硬件平台上验证并调整参数以适应具体应用场景。
鄱阳湖水系.zip
11-27
水系流域矢量数据，坐标系wgs84，是流域范围，数据格式shp格式
基于STM32的宠物定位系统
11-27
基于STM32的宠物定位系统
coursera machine learning
06-28
Coursera机器学习是由斯坦福大学教授Andrew Ng主讲的一门在线课程，旨在向学习者介绍机器学习的基本概念、算法和应用。该课程涵盖了监督学习、无监督学习、深度学习等多个方面，通过理论讲解和实践编程作业，帮助...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值