智能机

课程背景： 学习 C51 单片机的一个重要方法就是应用实践，通过本课程，可以学习到 PWM 技术、中断、红外模块与电机模块的配合使用，对单个技术有更深入的认识。...

课时1：1 智能小车概述 课时2：2 智能小车的工作原理与开发思路 课时3：3 智能循迹小车使用的主要模块 课时4：4 智能循迹小车的代码实现 课时5：5 智能循迹小车的后续调试

电机的应用场景可以说是遍布在生活中无处不在，只要涉及到可以旋转的场景，百分之90以上都会用到电机， 工业上的打印机、雕刻机、机床；汽车上的空调、雨刷、电动车门安全气囊的驱动； 生活中常见的电动自行车、共享单车...

课时1：前言 课时2：电机和驱动器的简单介绍 课时3：stm32定时器详解(1) 课时4：stm32定时器详解(2) 课时5：stm32定时器详解(3) 课时6：stm32定时器详解(4) 课时7：直流有刷电机介绍(1) 课时8：直流有刷电机介绍(2) 课时9：直流有刷电机介绍(3) 课时10：直流有刷驱动板电流电压采集(1) 课时11：直流有刷驱动板电流电压采集(2) 课时12：直流有刷驱动板电流电压采集(3) 课时13：舵机控制 课时14：步进电机(1) 课时15：步进电机(2) 课时16：步进电机(3) 课时17：直流无刷电机(1) 课时18：直流无刷电机(2) 课时19：直流无刷电机(3) 课时20：直流无刷电机(4)-按键控制(1) 课时21：直流无刷电机(5)-按键控制(2) 课时22：直流无刷电机-电源电压-温度采样 课时23：编码器详解 课时24：控制系统与电机的关系 课时25：PID算法的通俗解说(1) 课时26：PID算法的通俗解说(2) 课时27：PID控制器参数整定(1) 课时28：PID控制器参数整定(2) 课时29：PID控制器参数整定(3) 课时30：编码器的使用(1) 课时31：编码器的使用(2) 课时32：直流有刷电机速度环控制实现 课时33：直流有刷电机位置环控制实现 课时34：直流有刷电机电流环控制实现 课时35：直流有刷电机多环控制实现(1) 课时36：直流有刷电机多环控制实现(2) 课时37：步进电机速度环控制实现(1) 课时38：步进电机速度环控制实现(2) 课时39：步进电机速度环控制实现(3) 课时40：步进电机速度环控制实现(4) 课时41：步进电机速度环控制实现(5) 课时42：步进电机位置环控制实现(1) 课时43：步进电机位置环控制实现(2) 课时44：步进电机位置环控制实现(3) 课时45：步进电机位置环控制实现(4) 课时46：步进电机位置环控制实现(5) 课时47：步进电机位置环控制实现(6) 课时48：步进电机位置速度双环控制实现(1) 课时49：步进电机位置速度双环控制实现(2) 课时50：步进电机位置速度双环控制实现(3) 课时51：步进电机位置速度双环控制实现(4) 课时52：步进电机位置速度双环控制实现(5) 课时53：步进电机位置速度双环控制实现(6) 课时54：步进电机梯形加减速实现(1) 课时55：步进电机梯形加减速实现(2) 课时56：步进电机梯形加减速实现(3) 课时57：步进电机梯形加减速实现(4) 课时58：步进电机梯形加减速实现(5) 课时59：步进电机梯形加减速实现(6) 课时60：步进电机梯形加减速实现(7) 课时61：步进电机S形加减速实现 课时62：步进电机直线插补实现(1) 课时63：步进电机直线插补实现(2) 课时64：步进电机直线插补实现(3) 课时65：步进电机圆弧插补实现(1) 课时66：步进电机圆弧插补实现(2) 课时67：步进电机圆弧插补实现(3) 课时68：直流无刷电机速度环PID 课时69：直流无刷电机位置环PID 课时70：直流无刷电机位置环速度环串级PID 课时71：ST电机固件库介绍 课时72：X-CUBE-MCSDK-安装 课时73：X-CUBE-MCSDK-使用 课时74：X-CUBE-MCSDK-演示

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）。...

课时2：Welcome 课时3：What is Machine Learning 课时4：Supervised Learning 课时5：Unsupervised Learning 课时7：Model Representation 课时8：Cost Function 课时9：Cost Function - Intuition I 课时10：Cost Function - Intuition II 课时11：Gradient Descent 课时12：Gradient Descent Intuition 课时13：Gradient Descent For Linear Regression 课时14：What-'s Next 课时16：Matrices and Vectors 课时17：Addition and Scalar Multiplication 课时18：Matrix Vector Multiplication 课时19：Matrix Matrix Multiplication 课时20：Matrix Multiplication Properties 课时21：Inverse and Transpose 课时23：Multiple Features 课时24：Gradient Descent for Multiple Variables 课时25：Gradient Descent in Practice I - Feature Scaling 课时26：Gradient Descent in Practice II - Learning Rate 课时27：Features and Polynomial Regression 课时28：Normal Equation 课时29：Normal Equation Noninvertibility (Optional) 课时31：Basic Operations 课时32：Moving Data Around 课时33：Computing on Data 课时34：Plotting Data 课时35：Control Statements- for, while, if statements 课时36：Vectorization 课时37：Working on and Submitting Programming Exercises 课时39：Classification 课时40：Hypothesis Representation 课时41：Decision Boundary 课时42：Cost Function 课时43：Simplified Cost Function and Gradient Descent 课时44：Advanced Optimization 课时45：Multiclass Classification- One-vs-all 课时47：The Problem of Overfitting 课时48：Cost Function 课时49：Regularized Linear Regression 课时50：Regularized Logistic Regression 课时52：Non-linear Hypotheses 课时53：Neurons and the Brain 课时54：Model Representation I 课时55：Model Representation II 课时56：Examples and Intuitions I 课时57：Examples and Intuitions II 课时58：Multiclass Classification 课时60：Cost Function 课时61：Backpropagation Algorithm 课时62：Backpropagation Intuition 课时63：Implementation Note- Unrolling Parameters 课时64：Gradient Checking 课时65：Random Initialization 课时66：Putting It Together 课时67：Autonomous Driving 课时69：Deciding What to Try Next 课时70：Evaluating a Hypothesis 课时71：Model Selection and Train-Validation-Test Sets 课时72：Diagnosing Bias vs. Variance 课时73：Regularization and Bias-Variance 课时74：Learning Curves 课时75：Deciding What to Do Next Revisited 课时77：Prioritizing What to Work On 课时78：Error Analysis 课时79：Error Metrics for Skewed Classes 课时80：Trading Off Precision and Recall 课时81：Data For Machine Learning 课时83：Optimization Objective 课时84：Large Margin Intuition 课时85：Mathematics Behind Large Margin Classification (Optional) 课时86：Kernels I 课时87：Kernels II 课时88：Using An SVM 课时90：Unsupervised Learning- Introduction 课时91：K-Means Algorithm 课时92：Optimization Objective 课时93：Random Initialization 课时94：Choosing the Number of Clusters 课时96：Motivation I- Data Compression 课时97：Motivation II- Visualization 课时98：Principal Component Analysis Problem Formulation 课时99：Principal Component Analysis Algorithm 课时100：Choosing the Number of Principal Components 课时101：Reconstruction from Compressed Representation 课时102：Advice for Applying PCA 课时104：Problem Motivation 课时105：Gaussian Distribution 课时106：Algorithm 课时107：Developing and Evaluating an Anomaly Detection System 课时108：Anomaly Detection vs. Supervised Learning 课时109：Choosing What Features to Use 课时110：Multivariate Gaussian Distribution (Optional) 课时111：Anomaly Detection using the Multivariate Gaussian Distribution (Optional) 课时113：Problem Formulation 课时114：Content Based Recommendations 课时115：Collaborative Filtering 课时116：Collaborative Filtering Algorithm

5）多学科交叉：MEMS涉及电子、机 械、材料、制造、信息与自动控制、物理、化学和生物等多种学科，并集约了当今科学技术发展的许多尖端成果。...

课时1：集成MEMS传感系统设计和应用（一） 课时2：集成MEMS传感系统设计和应用（二） 课时3：集成MEMS传感系统设计和应用（三） 课时4：集成MEMS传感系统设计和应用（四） 课时5：集成MEMS传感系统设计和应用（五） 课时6：集成MEMS传感系统设计和应用（六） 课时7：集成MEMS传感系统设计和应用（七） 课时8：集成MEMS传感系统设计和应用（八） 课时9：集成MEMS传感系统设计和应用（九）

eRTC培训视频...

课时1：密码学基本知识培训教程 课时2：电容触控量产测试工具的应用培训教程 课时3：USB Type-C™接口和供电技术概述和设计培训教程 课时4：Microchip基于Linux®平台的EGT图形库介绍与应用培训教程 课时5：在PIC®单片机上实现自举程序培训教程 课时6：PFC基本工作和控制原理培训教程 课时7：基于CIP的混合电源的设计培训课程 课时8：CAN简介与Atmel Start上CAN驱动开发培训视频 课时9：使用Curiosity Nano板和Click板进行快速原型开发培训教程 课时10：为系统设计选择合适的ADC及应用培训教程 课时11：电机控制系统硬件设计培训教程 课时12：用Harmony3玩转32位MCU培训教程 课时13：Microchip SAM单片机的外设特点和案例实践培训教程 课时14：CVD & PTC触摸原理与项目调试注意事项培训视频 课时15：Linux®系统应用开发入门介绍培训教程 课时16：MPLAB® Harmony v3基础和使用技巧培训教程 课时17：USB3 x智能HUB介绍及调试技巧分享培训教程 课时18：运算放大器基础入门培训教程 课时19：数字控制的移相全桥电源的基本原理和设计培训教程 课时20：AUTOSAR基础知识及Microchip方案介绍培训教程 课时21：Microchip私有无线通信协议Mesh组网方案介绍培训教程 课时22：EtherCAT®和Microchip LAN9252从站控制器培训教程 课时23：基于PIC16F153xx的单双相无刷马达控制实现培训教程 课时24：MCP16502——面向eMPU的高性能PMIC培训教程 课时25：AVR® DA系列MCU技术细节解析培训教程 课时26：用Harmony 3玩转MPU培训教程 课时27：电容式触摸原理、设计挑战和解决方案培训教程 课时28：电流采样及能量监测设计应用介绍培训教程 课时29：Microchip以太网交换机芯片的介绍与设计应用培训教程 课时30：AVR® 8位单片机及CIP外设设计培训教程 课时31：了解和设计采用自适应COT架构的开关电源培训教程 课时32：C++入门以及基于SAM9x60 EGT应用培训教程 课时33：以太网物理层的测试和调试技巧培训教程 课时34：如何学习和使用ATSHA204A安全认证芯片培训教程 课时35：基于dsPIC33的数字式降压DC_DC变换器的原理与设计培训教程 课时36：Microchip无线充电技术初探培训教程 课时37：PoE和Discrete Power产品介绍培训教程 课时38：电机设计的基础知识培训教程 课时39：Microchip MPU Bare metal开发培训教程 课时40：ENT以太网交换PHY产品培训教程 课时41：功能安全概述2培训教程 课时42：Microchip FPGA产品介绍培训教程 课时43：CAN FD技术培训教程 课时44：基于MCC 8位自举程序库的AVR®自举程序设计培训教程 课时45：EGT——在Linux®下通过SVG进行GFX设计培训教程 课时46：10BASE-T1S以太网的原理以及应用培训教程 课时47：常用功率级拓扑工作原理介绍培训教程 课时48：使用MPLAB® Harmony USB协议栈开发USB主机和设备应用培训教程 课时49：SAM MCU的PWM、AD、DMA和Event配置以及介绍培训教程 课时50：MPLAB® Harmony图形套件简介培训教程 课时51：电流测量和计量培训教程 课时52：常用功率级拓扑工作原理介绍培训教程（II） 课时53：安全基础知识和对称式安全应用实例培训教程 课时54：以太网的基础和PHY的介绍培训教程 课时55：开关电源应用探讨培训教程（I） 课时56：开关电源应用探讨培训教程（II） 课时57：SAMA5 MPU低功耗模式与Linux®电源管理培训教程 课时58：PIC® MCU和dsPIC® DSC的自举程序开发培训教程 课时59：dsPIC33C系列PWM原理以及MCC介绍培训教程 课时60：使用Buildroot创建你的第一个嵌入式Linux®系统培训教程 课时61：选择合适的ADC 优化您的设计培训教程 课时62：如何基于SAMA5D2实现安全启动功能培训教程 课时63：USB Type C®基本原理与PSF介绍和应用培训教程 课时64：如何使用MPLAB® Connect工具培训教程 课时65：常用功率级拓扑数字化实现方法与控制策略培训教程 课时66：AVR® DB单片机应用介绍培训教程 课时67：使用ATSHA204A实现IP保护防克隆，对称式认证原理介绍和源代码分享培训教程 课时68：常见Linux®驱动程序使用培训教程 课时69：PIC24和dsPIC33自举程序的原理与应用培训教程 课时70：EtherCAT®和Microchip LAN925X从站控制器介绍培训教程 课时71：RT Thread介绍及RT Thread在SAM MCU上的移植与调试培训教程 课时72：USB Smart Hub工作原理及应用培训教程 课时73：CAN与CAN FD协议阐述及最新发展培训教程 课时74：PIC® MCU中CLC功能模块的应用培训教程 课时75：QSPI闪存中最小的Linux®系统培训教程 课时76：电容式触摸设计原理、方案选型、设计要点和更新培训教程

浙江大学 机器学习课程...

课时1：教科书介绍 课时2：成绩安排 课时3：这门课程的内容概述 课时4：概念介绍 课时5：没有免费午餐定理 课时6：支持向量机（线性模型）问题 课时7：支持向量机（线性模型）数学描述 课时8：支持向量机（线性模型）的图像展示 课时9：支持向量机非线性模型优化目标函数和限制条件 课时10：支持向量机（非线性模型） 低维到高维映射 课时11：支持向量机（非线性模型）原问题和对偶问题 课时12：支持向量机 将支持向量机原问题转化为对偶问题 课时13：支持向量机 – 核函数介绍 课时14：支持向量机的应用 兵王问题 课时15：支持向量机的应用 – 兵王问题 课时16：支持向量机的应用 – 兵王问题 （测试结果） 课时17：ROC曲线 课时18：支持向量机 – 处理多类问题 课时19：人工神经网络 – 神经元的数学模型 课时20：人工神经网络 – 感知器算法 课时21：人工神经网络 – 人工智能的第一次寒冬 课时22：人工神经网络 – 多层神经网络 课时23：人工神经网络—三层神经网络可以模拟任意决策面 课时24：人工神经网络—后向传播算法 课时25：人工神经网络 – 参数设置 课时26：深度学习数据库准备 课时27：深度学习自编码器 课时28：深度学习 卷积神经网络LeNet 课时29：深度学习 – 卷积神经网络（AlexNet） 课时30：深度学习 – 编程工具（Caffe和Tensorflow） 课时31：深度学习 – 近年来流行的网络结构 课时32：深度学习 – 卷积神经网络的应用 课时33：AlphaGo围棋规则 课时34：AlphaGo 围棋有必胜策略的证明 课时35：强化学习Q learning 课时36：强化学习policy gradience 课时37：增强学习 AlphaGo 课时38：特征提取 – 主成分分析（PCA） 课时39：特征选择 – 自适应提升（AdaBoost） 课时40：目标检测 （RCNN和FCN） 课时41：概率分类法概述 课时42：概率密度估计 – 朴素贝叶斯分类器 课时43：概率密度估计 – 高斯密度函数 课时44：概率密度估计 – 高斯混合模型 课时45：EM算法（高斯混合模型和K 均值算法） 课时46：K 均值算法在图像压缩方面的应用 课时47：高斯混合模型在说话人识别方面的应用 课时48：EM算法一般形式及其收敛性证明 课时49：语音识别概述 课时50：隐含马尔科夫过程 课时51：大词汇量连续语音识别介绍 课时52：循环神经网络（RNN）和LSTM 课时53：人工智能中的哲学 缸中之脑 课时54：人工智能中的哲学 意识问题 课时55：人工智能中的哲学 图灵测试 课时56：人工智能中的哲学 世界是否有规律 课时57：人工智能中的哲学 中文屋子假想试验 课时58：人工智能中的哲学 创造力和洞穴理论 课时59：人工智能中的哲学 生成对抗网络 课时60：人工智能中的哲学 道德难题 课时61：人工智能中的哲学未来展望

物联网开发入门+实战制作：智能门禁系统...

课时1：智能门禁系统项目介绍－硬件系统和课程介绍 课时2：智能门禁系统的设计－系统级设计和功能分解（上） 课时3：智能门禁系统的设计－系统级设计和功能分解（下） 课时4：RFID原理及模块介绍－读卡器和钥匙卡分析（上） 课时5：RFID原理及模块介绍－读卡器和钥匙卡分析（下） 课时6：Rc522读卡模块驱动程序－单片机工程建立及外围设备初始化(上) 课时7：Rc522读卡模块驱动程序－单片机工程建立及外围设备初始化(下) 课时8：Rc522读卡模块驱动程序－驱动程序移植（上） 课时9：Rc522读卡模块驱动程序－驱动程序移植（下） 课时10：RC522读卡模块驱动程序－驱动程序调试及读卡功能验证（上） 课时11：Rc522读卡模块驱动程序－驱动程序调试及读卡功能验证（下） 课时12：Rc522读卡模块驱动程序－写卡功能开发及验证(上) 课时13：Rc522读卡模块驱动程序－写卡功能开发及验证(中) 课时14：Rc522读卡模块驱动程序－写卡功能开发及验证(下) 课时15：存储钥匙信息到eeprom 课时16：门禁系统上位机软件开发－界面设计 课时17：门禁系统上位机软件开发－串口通讯 课时18：门禁系统上位机软件开发－与读卡器wifi通讯 课时19：门禁系统上位机软件开发－数据存储（上） 课时20：门禁系统上位机软件开发－数据存储（下） 课时21：门禁系统上位机软件开发－发售新门禁卡 课时22：读卡器通过wifi上传数据到电脑－通讯协议设计 课时23：读卡器通过wifi上传数据到电脑－驱动程序实现（上） 课时24：读卡器通过wifi上传数据到电脑－驱动程序实现（下） 课时25：模拟室内居民外出 课时26：功能整合及课程总结

IOT-ARM体系结构与编程视频教程...

课时2：ARM世界 课时3：开发环境搭建1 课时4：开发环境搭建2 课时5：补充Linux装Sourceinsight 课时6：补充MiniTool烧写开发板-11.30更新工具 课时7：ARM体系结构-学习方法 课时8：ARM体系结构-处理器和名词1 课时9：ARM体系结构-处理器和名词2 课时10：ARM体系结构-工具和交叉工具链 课时11：处理器模式和片内寄存器1 课时12：ARM异常及中断2 课时13：处理器模式和片内寄存器3 课时14：处理器模式和片内寄存器4 课时15：ARM汇编寻址模式1 课时16：ARM汇编寻址模式2 课时17：ARM汇编寻址模式3 课时18：ARM汇编算数操作1 课时19：ARM汇编算数操作2 课时20：ARM汇编算数操作3 课时21：ARM汇编算数操作4 课时22：ARM汇编内存操作1 课时23：ARM汇编内存操作2 课时24：跳转指令及其它1 课时25：跳转指令及其它2 课时26：ARM汇编伪指令1 课时27：ARM汇编伪指令2 课时28：ARM汇编伪指令3 课时29：ARM汇编伪指令4 课时30：混合编程1 课时31：混合编程2 课时33：ARM硬件基础概述1 课时34：ARM硬件基础概述2 课时35：ARM硬件基础概述3 课时36：ARM硬件基础-SIMD&NEON 课时37：ARM硬件基础-Cache1 课时38：ARM硬件基础-Cache2 课时39：ARM硬件基础-MMU1 课时40：ARM硬件基础-MMU2 课时41：ARM硬件基础-MMU3 课时42：ARM异常及中断1 课时43：ARM异常及中断2 课时44：第一个裸板试验1 课时45：第一个裸板试验2 课时46：S5PV210启动原理1 课时47：S5PV210启动原理2 课时48：ARM硬件接口GPIO1 课时49：ARM硬件接口GPIO2 课时50：ARM硬件接口GPIO3 课时51：ARM硬件接口GPIO4 课时52：ARM硬件接口GPIO5 课时53：确定开发板资源1 课时54：确定开发板资源2 课时55：确定开发板资源3 课时56：确定开发板资源4 课时57：驱动开发板资源5 课时58：驱动开发板资源6 课时59：驱动开发板资源7 课时61：bootloader概述1 课时62：bootloader概述2 课时63：bootloader概述3 课时64：bootloader概述4 课时65：bootloader概述5 课时66：C5工程搭建Makefile1 课时67：C5工程搭建Makefile2 课时68：C5工程搭建Makefile3 课时69：工程搭建链接脚本 课时70：工程搭建链接脚本 课时71：工程搭建C代码点灯1 课时72：工程搭建C代码点灯2 课时73：工程搭建C代码点灯3 课时74：通信模型介绍1 课时75：通信模型介绍2 课时76：UART协议介绍1 课时77：UART协议介绍2 课时78：UART协议介绍3 课时79：UART控制器介绍1 课时80：UART控制器介绍2 课时81：通过串口发送一个字符1 课时82：通过串口发送一个字符2 课时83：通过串口发送一个字符3 课时84：通过串口发送一个字符4 课时85：通过串口发送一个字符串1 课时86：通过串口发送一个字符串2 课时88：中断介绍1 课时89：中断介绍2 课时90：中断介绍3 课时91：中断介绍4 课时92：中断初始化代码1 课时93：中断初始化代码2 课时94：中断初始化代码3 课时95：中断流程代码1 课时96：中断流程代码2 课时97：中断流程代码3 课时98：IIC协议介绍1 课时99：IIC协议介绍2 课时100：IIC协议介绍3 课时101：IIC协议介绍4 课时102：IIC协议介绍5 课时103：IIC协议介绍6 课时104：watchdog介绍1

华为IOT物联网视频教程...

课时1：十分钟快速上云（基于IoT Booster） 课时2：十分钟快速上云（基于软件开发服务） 课时3：小熊派介绍 课时4：LiteOS Studio 安装 课时5：IoT平台产品开发 课时6：智慧路灯设备开发 课时7：IoT Boost Web应用开发 课时8：微信小程序与安卓APP调试 课时9：FOTA远程升级单片机程序 课时10：开发板学习资源介绍 课时11：STM32CubeMX环境搭建 课时12：MDK环境搭建 课时13：STM32CubeMX介绍 课时14：使用STM32CubeMX新建工程模板 课时15：工程介绍-HAL库基本文件及作用 课时16：STM32文档资料获取 课时17：手把手点亮LED灯 课时18：STM32文档资料获取 课时19：按键输入实验-循环查询 课时20：按键输入实验-外部中断 课时21：串口通信实验-理论篇 课时22：串口通信实验-实践篇-扫描 课时23：串口通信实验-实践篇-中断 课时24：串口通信实验-实践篇-DMA 课时25：DAC输出实验 课时26：ADC采样实验-DMA 课时27：TIM2定时器中断实验 课时28：SPI协议驱动LCD屏 课时29：单片机内部flash读写实验 课时30：W25Q64串行flash实验-QSPI 课时31：SDIO实验-SDMMC1 课时32：光照传感器实验-I2C 课时33：用一杯咖啡的时间初探物联网 课时34：稳定可靠的有线通信 课时35：百家争鸣的无线通信 课时36：万物互联的LPWA 课时37：解锁物联网平台，与OceanConnect相识 课时38：解读平台特性，与OceanConnect相知 课时39：熟悉业务流程，与OceanConnect相伴 课时40：NB-IoT=Niubilty吗 课时41：NB-IoT中的Niubility技术 课时42：eLTE-IoT中的excellent技术 课时43：安全可靠的工业物联网关 课时44：卓有成效的物联网解决方案 课时45：智能互联的家庭物联网关 课时46：物联网操作系统-HuaweiLiteOS 课时47：一个内核很重要-LiteOS Kernel 课时48：N个框架知多少-LiteOS Framework 课时49：华为物联网认证HCIA-IoT 课时50：物联网在智慧城市中的应用 课时51：物联网在绿色能源中的应用 课时52：物联网在车联网领域的应用 课时53：物联网在公共安全中的应用 课时54：物联网在消费电子中的应用 课时55：物联网概述 课时56：华为IoT平台介绍 课时57：华为IoT平台关键特性 课时58：NB-IoT标准及解决方案介绍 课时59：NB-IoT芯片与模组介绍 课时60：CoAP协议技术原理 课时61：MQTT协议技术原理 课时62：华为IoT平台端到端开发 课时63：Profile在线开发 课时64：编解码插件在线开发 课时65：在线调试 课时66：物联网操作系统的概述 课时67：LiteOS基础架构及代码 课时68：物联网常用模组AT指令 课时69：小熊派开发板介绍 课时70：轻松玩转LiteOS 课时71：Postman调测API 课时72：应用订阅调式指导 课时73：基于Booster构建Web应用 课时74：基于软开云构建应用服务器 课时75：Android微信小程序演示 课时76：PLC-IoT通信模块介绍 课时77：AR502E系列边缘计算网关容器安装及使用 课时78：MQTT-C开发 课时79：PLC-IoT软件二次开发 课时80：国网常用业务流程梳理 课时81：AC日志管理接口介绍 课时82：容器接口梳理及使用方式介绍 课时83：设备档案接口梳理及使用方式介绍 课时84：设备日志接口介绍 课时85：设备升级接口梳理以及使用方式介绍 课时86：文件接口梳理及使用介绍 课时87：应用接口梳理及使用方式介绍 课时88：其他接口梳理及使用方式介绍 课时89：LiteOS内核实战教程-Helloworld 课时90：LiteOS内核实战教程-任务管理(理论) 课时91：LiteOS内核实战教程-任务管理(实战) 课时92：LiteOS内核实战教程-信号量(理论) 课时93：LiteOS内核实战教程-信号量(实战) 课时94：LiteOS内核实战教程-互斥锁(理论) 课时95：LiteOS内核实战教程-互斥锁(实战) 课时96：LiteOS内核实战教程-内存管理(理论) 课时97：LiteOS内核实战教程-内存管理(实战) 课时98：HCIA-IoT华为认证介绍 课时99：物联网概述 课时100：物联网的主要结构

智能控制系统是一种使用各种基于人工智能计算方法的自动控制系统，例如模糊逻辑控制系统，基于基因算法控制系统，以及类神经网络控制系统。...

课时1：课程介绍 课时2：智能控制系统概论 1.自动控制系统 课时3：智能控制系统概论 2.计算智能 课时4：智能控制系统概论 3.模糊逻辑系统 课时5：智能控制系统概论 4.演化计算 课时6：智能控制系统概论 5.类神经网络 课时7：模糊集合 1.明确集合 课时8：模糊集合 2.模糊集合 课时9：模糊集合 3.模糊集合之基本概念 课时10：模糊集合 4.模糊归属函数 课时11：模糊集合 5.模糊集合之运算 课时12：模糊逻辑 1.明确关系 课时13：模糊逻辑 2.模糊关系 课时14：模糊逻辑 3.扩展原理 课时15：模糊逻辑 4.语言变数 课时16：模糊逻辑 5.模糊规则 课时17：模糊逻辑 6.模糊推论 课时18：模糊控制系統(一) 1. 模糊推论系统 课时19：模糊控制系統(一) 2. Matlab程式编写 课时20：模糊控制系統(一) 3.冷气机之模糊控制 课时21：模糊控制系統(一) 4. 洗衣机之模糊控制 课时22：模糊控制系統(一) 5. Sugeno模糊模型 课时23：模糊控制系統(二) 1. 直流马达模糊控制 课时24：模糊控制系統(二) 2. 倒立摆模糊控制 课时25：模糊控制系統(二) 3. 倒车入库模糊控制 课时26：模糊控制系統(二) 4. 机器人模糊控制 课时27：T-S模糊控制系統(一) 1. T-S模糊模型 课时28：T-S模糊控制系統(一) 2. 平行分布补偿 课时29：T-S模糊控制系統(一) 3. 李雅普诺夫稳定定理 课时30：T-S模糊控制系統(一) 4. 闭回路T-S模糊系統稳定定理 课时31：T-S模糊控制系統(一) 5. 闭回路T-S模糊系统稳定定理 课时32：T-S模糊控制系统(二) 1. 线性矩阵不等式 课时33：T-S模糊控制系统(二) 2. 衰退率T-S模糊控制器设计 课时34：T-S模糊控制系统(二) 3. 倒立摆T-S模糊控制 课时35：T-S模糊控制系统(二) 4. 双向充放电器T-S模糊控制 课时36：T-S模糊控制系统(二) 5. 机器人T-S模糊控制 课时37：二进位基因演算法(一) 1. 梯度下降法 课时38：二进位基因演算法(一) 2. 基因演算法特性 课时39：二进位基因演算法(一) 3. 二进位编码与解码 课时40：二进位基因演算法(一) 4. 初始族群 课时41：二进位基因演算法(一) 5. 适应函数 课时42：二进位基因演算法(二) 1. 天择运算 课时43：二进位基因演算法(二) 2. 交配运算 课时44：二进位基因演算法(二) 3. 突变运算 课时45：二进位基因演算法(二) 4. 菁英政策 课时46：二进位基因演算法(二) 5. 基因演算法之参数分析 课时47：基于基因演算法之控制系统 1. 基于基因演算法之函数极值 课时48：基于基因演算法之控制系统 2. 控制系统时域响应与PID控制器 课时49：基于基因演算法之控制系统 3. 基于基因演算法之最佳PID控制 课时50：基于基因演算法之控制系统 4. 基于基因演算法之强健PID控制 课时51：进阶基因演算法 1. 实数型基因演算法 课时52：进阶基因演算法 2. 基于实数型基因演算法之控制系统 课时53：进阶基因演算法 3. 格雷编码 课时54：进阶基因演算法 4.适应函数线性缩放 课时55：进阶基因演算法 5. 适应函数标准差縮放 课时56：基于粒子群最佳化法之控制系统 1. 粒子群最佳化法之原理 课时57：基于粒子群最佳化法之控制系统 2. 基于粒子群最佳化法之函数极值 课时58：基于粒子群最佳化法之控制系统 3. 粒子群最佳化法之参数分析 课时59：基于粒子群最佳化法之控制系统 4. 基于粒子群最佳化法之PID控制 课时60：基于粒子群最佳化法之控制系统 5. 基于粒子群最佳化法之强健PID控制 课时61：基于演化计算之模糊控制系统 1. 主轴马达伺服系統 课时62：基于演化计算之模糊控制系統 2. 基于基因演算法之模糊控制 课时63：基于演化计算之模糊控制系統 3. 机械手臂控制系統 课时64：基于演化计算之模糊控制系统 4. 基于基因演算法之T-S模糊控制 课时65：基于演化计算之模糊控制系統 5. 基磁浮控制系統 课时66：基于演化计算之模糊控制系統 6. 基于粒子群最佳化法之T-S模糊控制 课时67：单层类神经网络 1. 类神经元模型 课时68：单层类神经网络 2.感知机 课时69：单层类神经网络 3. 感知机应用案例 课时70：单层类神经网络 4. 适应线性元件 课时71：单层类神经网络 5. 适应线性元件应用范例 课时72：多层类神经网络 1. 多层神经网络架构 课时73：多层类神经网络 2. 反向传播算法 课时74：多层类神经网络 3. XOR闸 课时75：多层类神经网络 4. 函数近似 课时76：多层类神经网络 5. 多层神经网络应用范例 课时77：类神经网络控制系统(一) 1. 类神经网络控制系统 课时78：类神经网络控制系统(一) 2.类神经网络模式预测控制 课时79：类神经网络控制系统(一) 3.引擎类神经网络温度控制 课时80：类神经网络控制系统(一) 4.直流马达类神经网络控制 课时81：类神经网络控制系统(二) 1. 类神经网络模式参考控制 课时82：类神经网络控制系统(二) 2.机器手臂系统识别 课时83：类神经网络控制系统(二) 3.机器手臂类神经网络控制 课时84：类神经网络控制系统(二) 4.倒车入库神经网络控制 课时85：模糊类神经网络控制系统 1. 适应性类神经模糊推论系统 课时86：模糊类神经网络控制系统 2. 混合学习演算法 课时87：模糊类神经网络控制系统 3. 离散动态控制系统 课时88：模糊类神经网络控制系统 4. 倒车入库控制系统

《大数据机器学习》课程是面向信息学科的高年级本科生或研究生开设的基础理论课，目的是培养学生深入理解大数据机器学习理论基础，牢固掌握大数据机器学习方法，并能够解决实际问题等综合能力。课程的主要内容包括：统计学习基本理论，机器学习基本方法，深度学习理论和方法。...

课时2：机器学习定义和典型应用 课时3：机器学习和人工智能的关系 课时4：深度学习方法和其它人工智能方法的共性和差异 课时5：机器学习和数据挖掘的关系 课时6：机器学习和统计学习的关系 课时7：机器学习的发展历程 课时8：大数据机器学习的主要特点 课时10：机器学习的基本术语 课时11：监督学习 课时12：假设空间 课时13：学习方法三要素 课时14：奥卡姆剃刀定理 课时15：没有免费的午餐定理v 课时16：训练误差和测试误差 课时17：过拟合与模型选择 课时18：泛化能力 课时19：生成模型和判别模型 课时21：留出法 课时22：交叉验证法 课时23：自助法 课时24：性能度量 课时25：PR曲线 课时26：ROC和AUC曲线 课时27：代价敏感错误率 课时28：假设检验 课时29：T检验 课时30：偏差和方差 课时32：感知机模型 课时33：感知机学习策略 课时34：感知机学习算法 课时36：原型聚类描述 课时37：性能度量 课时38：原型聚类 k均值算法 课时39：原型聚类 学习向量算法 课时40：原型聚类 密度聚类 课时41：原型聚类 层次聚类 课时43：综述 课时44：概率图模型 课时45：贝叶斯网络 课时46：朴素贝叶斯分类器 课时47：半朴素贝叶斯分类器v 课时48：贝叶斯网络结构学习推断 课时49：吉布斯采样 课时51：决策树和随机森林 课时52：决策树模型与学习基本概念 课时53：信息量和熵 课时54：决策树的生成 课时55：决策树的减枝 课时56：CART算法 课时57：随机森林 课时59：逻辑斯蒂回归与最大熵模型简介 课时60：逻辑斯谛回归模型 课时61：最大熵模型 课时62：模型学习的最优化方法 课时64：SVM 课时65：SVM简介 课时66：线性可分支持向量机 课时67：凸优化问题的基本概念 课时68：支持向量的确切定义 课时69：线性支持向量机 课时71：核方法与非线性SVM 课时72：泛函基础知识 课时73：核函数和非线性支持向量机 课时74：序列最小最优化算法 课时76：降维与度量学习 课时77：k近邻学习 课时78：降维嵌入 课时79：主要成分分析 课时80：核化线性降维 课时81：流型学习和度量学习 课时83：提升方法adaboost算法 课时84：Adaboost算法的训练误差分析 课时85：Adaboost算法的解释 课时86：Adaboost的实现 课时88：EM算法及混合高斯模型 课时89：问题提出 课时90：EM算法的引入 课时91：EM算法的收敛性 课时92：EM算法在高斯混合模型学习中的应用 课时93：EM算法的推广 课时95：计算学习理论 课时96：计算学习理论的基础知识 课时97：概率近似正确学习理论 课时98：有限假设空间 课时99：VC维 课时100：学习稳定性 课时102：隐马尔可夫模型 课时103：隐马尔科夫模型的基本概念 课时104：概率计算算法 课时105：学习算法 课时106：预测算法 课时108：条件随机场 课时109：概率无向图模型 课时110：条件随机场的定义与形式 课时111：条件随机场的计算问题 课时112：条件随机场的学习算法 课时113：条件随机场的预测算法 课时115：概率图模型的学习与推断 课时116：精确推断法：变量消去法和信念传播法 课时117：近似推断法：MCMC和变分推断

分模块讲解基于STM32的智能小车设计制作，代码分析...

课时1：《小车安装》第1集上 课时2：《小车安装》第2集中 课时3：《小车安装》第3集下 课时4：智能小车电机选型 课时5：直流电机正反转以及刹车电路设计 课时6：电源板电路设计 课时7：锂电池注意事项以及过放保护板设计 课时8：3.7V锂电池电路设计 课时9：7.4V锂电池平衡充电器设计 课时10：红外光电测速传感器电路设计 课时11：红外循迹以及红外避障模块电路设计 课时12：STM32F103C8T6最小系统板电路设计 课时13：手柄遥控器电路设计 课时14：无线通信模块电路设计 课时15：OLED显示模块电路设计 课时16：智能小车底盘设计 课时17：使用立创EDA软件设计电路板 课时18：如何学习单片机绝密 课时19：对于STM32应该学习的内容 课时20：智能小车程序设计步骤 课时21：小车前进后退转弯调速的程序设计思路 课时22：GPIO控制车轮转动程序设计 课时23：定时输出PWM控制车轮程序设计 课时24：避障程序设计 课时25：循迹程序设计 课时26：无线遥控程序设计思路 课时27：摇杆位置检测程序设计 课时28：无线通信程序解释 课时29：手柄遥控小车程序解释

...

课时1：恩智浦PowerQuad数学加速协处理器及其在AI中的应用 课时2：基于恩智浦i.MX RT1052微控制器的物联网云接入方案 课时3：基于恩智浦i.MX RT1060的智能语音控制面板方案 课时4：恩智浦KE系列微控制器的电容式触摸感应演示 课时5：恩智浦DSC微控制器数字电源参考方案 课时6：基于i.MX RT1010的电机控制功能演示 课时7：恩智浦DSC MC56F82748微控制器在PMSR洗衣机控制中的应用

零零无限是一家极具前瞻性的，致力于研发未来消费级智能飞行机器人的科技公司。其投资方包括IDG，金沙江创投，真格基金，ZUIG等知名企业。...

课时1：Hover Camera-全球首款安全易用便携式无人机

其它智能家居设备还 介绍智能扬声器的电池充电器设计注意事项， 真空机器人的充电器设计考虑因素。...

课时1：4.1 如何为IP摄像机选择合适的充电管理器 课时2：4.2 如何为智能扬声器选择合适的充电管理器 课时3：4.3 如何为真空机器人选择合适的充电管理器

人类文明与社会的传承和进步，与通信技术和信息网络的发展密不可分。信息获取和传递是如何实现的？不同国家和地区的人们之间怎样共享消息？小小的手机为何能进行语音、图像和视频等不同应用的传输？通信技术的演进还会给我们的生活带来什么变化？欢迎跟随本课程一起开启神秘通信世界的探索之旅。...

课时1：第一部分 第1课 课程简介 课时2：第一部分 第2课 现代通信网与支撑技术概述 课时3：第二部分 第1课 视听业务与音频信号特性 课时4：第二部分 第2课 视频技术基础 课时5：第二部分 第3课 音视频信息数字化与压缩编码技术 课时6：第二部分 第4课 数据及多媒体通信业务与通信终端 课时7：第三部分 第1课 网络分类 课时8：第三部分 第2课 交换的作用与交换基本原理 课时9：第三部分 第3课 节点交换技术 课时10：第三部分 第4课 无连接与面向连接 课时11：第三部分 第5课 交换系统的连接功能 课时12：第三部分 第6课 交换系统的其他功能和电路交换基本原理 课时13：第三部分 第7课 节点交换网络的硬件实现 课时14：第三部分 第8课 节点交换网络与呼叫处理 课时15：第三部分 第9课 呼叫处理过程 课时16：第三部分 第10课 智能网技术 课时17：第三部分 第11课 分组交换的基本原理 课时18：第三部分 第12课 以太网技术及ATM技术基本原理 课时19：第三部分 第13课 ATM交换系统及网络互联 课时20：第三部分 第14课 IP网的体系结构和协议地址 课时21：第三部分 第15课 路由器工作原理及硬件结构 课时22：第三部分 第16课 软交换网络技术 课时23：第四部分 第1课 传送网与SDH概述 课时24：第四部分 第2课 SDH帧结构与段开销 课时25：第四部分 第3课 SDH同步复用和映射原理 课时26：第四部分 第4课 SDH通道开销及指针与复用实例 课时27：第四部分 第5课 光纤通信概述和光纤导光原理 课时28：第四部分 第6课 光纤传输特性 课时29：第四部分 第7课 半导体激光器 课时30：第四部分 第8课 半导体激光器和发光二极管及光发送机 课时31：第四部分 第9课 光检测器 课时32：第四部分 第10课 光接收机和光放大器 课时33：第四部分 第11课 光放大器与光波分复用技术 课时34：第四部分 第12课 光网络技术 课时35：第四部分 第13课 接入网概述 课时36：第四部分 第14课 铜线接入技术 课时37：第四部分 第15课 光纤接入技术 课时38：第四部分 第16课 以太网无源光网络及其他接入技术 课时39：第五部分 第1课 无线通信概述 课时40：第五部分 第2课 无线传播模型 课时41：第五部分 第3课 链路预算与调制编码技术 课时42：第五部分 第4课 抗衰落抗干扰技术与多址技术 课时43：第五部分 第5课 随机接入与蜂窝组网 课时44：第五部分 第6课 蜂窝组网与GSM系统 课时45：第五部分 第7课 CDMA系统与3G技术 课时46：第五部分 第8课 3G及无线通信新技术 课时47：第五部分 第9课 数字微波通信系统 课时48：第五部分 第10课 卫星通信系统

...

课时1：001-如何学好单片机 云龙51单片机视频教程 课时2：002 预备知识：点亮一个发光管 云龙51单片机视频教程 课时3：003-预备知识：C51基础知识及流水灯设计 云龙51单片机视频教程 课时4：004-数码管显示原理及静态显示 云龙51单片机视频教程 课时5：005-中断及定时器原理 云龙51单片机视频教程 课时6：006-数码管动态显示 云龙51单片机视频教程 课时7：007-按键学习：独立按键与矩阵键盘 云龙51单片机视频教程 课时8：008-数模转换（DA）工作原理及应用 云龙51单片机视频教程 课时9：009-模数转换（AD）工作原理及应用 云龙51单片机视频教程 课时10：010-1602液晶显示原理及应用 云龙51单片机视频教程 课时11：011-串口原理及应用 云龙51单片机视频教程 课时12：012-IIC总线原理和模块化编程方法 云龙51单片机视频教程 课时13：013-红外通信原理及应用 云龙51单片机视频教程 课时14：014-DS18B20测温原理及应用 云龙51单片机视频教程 课时15：015-步进电机驱动原理及应用 云龙51单片机视频教程 课时16：016-LED点阵驱动原理及应用 云龙51单片机视频教程 课时17：017-DS1302实时时钟与SPI接口通信原理 云龙51单片机视频教程 课时18：018-蜂鸣器与继电器驱动原理及应用举例 云龙51单片机视频教程 课时19：019-PWM脉冲宽度调制与智能小车PWM直流电机调速 云龙51单片机视频教程 课时20：20_1 STC-ISP下载软件安装说明 课时21：20_2 KEIL软件安装说明

stm32 F7英雄联盟设计大赛项目介绍 反射式血氧心率信号采集及监护记录系统 基于视觉跟踪及远程监控的智能摄像头 虚拟远端消防机器人 独自平衡机器人 多功能测量仪器 网络收音机 老人紧急呼救系统...

课时1：STM32 F7英雄联盟设计大赛 （上） 课时2：STM32 F7英雄联盟设计大赛 （下）

该课程主要面向非智能科学与技术专业的学生与各界人士，介绍自然世界中丰富多彩的“自然智能”和由此启发产生的“智能计算”模型与方法，以及形式多样的“智能系统”与日新月异的“智能前沿”，内容涉及生物、医学、遗传...

课时2：课程引入与自然智能 课时3：自然智能研究的兴起、发展与分类 课时4：典型的自然计算案例 课时6：感知计算的仿生学原理 课时7：视觉系统与视觉感知计算 课时8：听觉系统与听觉感知计算 课时10：大脑自然结构与仿生推理 课时11：机器推理之数理逻辑方法 课时12：机器推理之神经网络方法 课时13：机器推理之模糊逻辑方法 课时15：进化计算思想 课时16：遗传算法 课时17：协同进化及进化策略 课时18：遗传编程 课时20：群体行为与群体智能 课时21：粒子群算法 课时22：蜂群算法 课时23：蚁群算法 课时25：智能机器 课时26：智能机器人 课时27：工业机器人 课时28：无人智能机器 课时30：自主学习与智能 课时31：专家系统 课时32：决策支持系统 课时33：数据挖掘系统 课时34：其他智能系统 课时36：量子计算与通信 课时37：深度学习 课时38：脑机交互

采用重心偏离的方式为小球提供动力和对质量块的智能调速改变小球的方向。...

课时1：2015 TI 物联网大赛：小球探索者