Udacity 第4页

Reinforcement Learning笔记(1)--基本框架-问题和解决方案

「学习内容总结自udacity深度学习课程，截图来自udacity课件」基本框架-问题1.基本框架RL的基本框架如下图所示，主要是指智能体(Agent)如何学习与环境(Environment)互动的过程

caoqi95·2020-08-25 17:07

小石头爸爸·2020-08-25 02:58

日语五十音图学习笔记

Julse·2020-08-24 13:04

[udacity] pandas学习笔记-2访问和删除pandas series中的元素

目录1访问和删除pandasseries中的元素1.1如何访问PandasSeries中的元素。1.2如何修改PandasSeries中的元素。1访问和删除pandasseries中的元素1.1如何访问PandasSeries中的元素。PandasSeries的一大优势是我们能够以很多不同的方式访问数据。我们可以通过在方括号[]内添加索引标签或数字索引访问元素，就像访问NumPyndarray中的

大龙2020·2020-08-24 04:29

【Kotlin】kotlin入门

学习地址：https://classroom.udacity.com/courses/ud9011https://www.kotlincn.net/docs/reference/Kotlin的好处：1.

renkuo·2020-08-24 00:55

手把手教你用PyTorch实现图像分类器（第二部分） ...

ImplementinganImageClassifierwithPyTorch:Part2作者|JoseNieto翻译|Jeffery26校对|酱番梨审核|酱番梨整理|立鱼王原文链接：https://medium.com/udacity

weixin_33877092·2020-08-22 14:26

如何把Udacity助教工作做得更好？

去年我在Udacity上完成了前端开发工程师微学位，今年三月有幸参与了Udacity的UnionA（优等生）项目，带领报名的学员完成前端开发入门微学位。

白马在学习·2020-08-22 04:32

数据的获取与准备（笔记一）

自动驾驶数据集：1.Udacity2.BDD100k3.

Shaun_J·2020-08-22 03:06

Udacity-异常值

1.产生异常值的原因image.png2.异常值检测／删除算法a.训练所有的数据b.去除错误的点，一般占10%c.对当前减小后的数据集在进行训练3.迷你项目此项目有两部分。在第一部分中将运行回归，然后识别并删除具有最大残差的10%的点。然后，根据Sebastian在课程视频中所建议的，从数据集中删除那些异常值并重新拟合回归。在第二部分中，你将熟悉安然财务数据中的一些异常值，并且了解是否/如何删除它

涂大宝·2020-08-21 06:46

无人车系统（八）：Udacity 's无人驾驶仿真环境（python与c++数据接口）

上一篇博客里介绍Udacity’s无人驾驶仿真环境的社区时，同时也说明了，Udacity‘ssimulator是基于Unity3D，针对每个任务专门构建的封闭式环境（里面场景已经固定）。

windSeS·2020-08-21 05:19

程序员必看的各种优秀资料、神器及框架整理（上）

资料篇技术站点在线学习：Coursera、edX、Udacity、MIT公开课、MOOC学院HackerNews：非常棒的针对编程的链接聚合网站Techmeme：美国知名科技新闻和博客聚集网站，类似的还有

程序员IT工场：cxyITgc·2020-08-19 09:57

【Baidu Apollo】6.1 规划

本文参考了Apollo自动驾驶公开课朱帆老师的讲座还有Udacity公开课的内容。技术难点规划模块所面临的技术难点有三点。第一，车辆所处的环境复杂度高。

笑扬轩逸·2020-08-19 06:23

Udacity利用深度学习玩赛车小游戏

Udacity利用深度学习玩赛车小游戏简单介绍准备工作训练网络效果简单介绍这是Udacity无人驾驶课程里一个利用深度学习实现的玩赛车小游戏，附上链接：github项目原理就是玩家手动让赛车在赛道上跑几圈

Master1114·2020-08-19 02:19

从一维到多维理解卡尔曼滤波(通俗易懂)

从一维到多维理解卡尔曼滤波写在前面本文以移动机器人定位问题(Localization)为例借鉴Udacity课程：AIforRobotics对于一切问题，降维思考都是个好办法卡尔曼滤波的核心思想根据上一个状态得到当前状态的

skylark0924·2020-08-18 22:52

Udacity机器人软件工程师课程笔记（九）-ROS-Catkin包、工作空间和目录结构

Catkin包和工作空间1.Carkin包简介Catkin是ROS的官方构建系统，也是原始ROS构建系统rosbuild的继承者。catkin结合了CMake宏和Python脚本，在CMake的正常工作流程之上提供了一些功能。被设计为比更传统的rosbuild，允许更好的分发包、更好的交叉编译的支持，以及更好的便携性。catkin的工作流程与CMake的工作流程非常相似，但增加了对自动“查找包”基

Stan Fu·2020-08-18 01:54

学习笔记 | Apollo Udacity自动驾驶课程笔记——规划、控制

点击上方“AI算法修炼营”，选择加星标或“置顶”标题以下，全是干货这是学习笔记的最后一篇，感兴趣的可以关注之前的系列文章：一、高精度地图、厘米级定位、二：感知、预测5规划1、路径规划使用三个输入，第一个输入为地图，Apollo提供的地图数据包括公路网和实时交通信息。第二个输入为我们当前在地图上的位置。第三个输入为我们的目的地，目的地取决于车辆中的乘客。2、将地图转为图形该图形由“节点”(node)

AI算法修炼营·2020-08-16 14:11

Udacity-无人驾驶-行为克隆

基本思路优达学城的行为克隆是端到端无人驾驶项目。首先通过人为操作车辆（模拟器）行驶来采集控制数据（转向角、油门等）。在该过程中，需要记录摄像头采集的道路场景图像。在实践中，为了获得更多的数据，提高模型的泛化能力可以使用多个（例如三个）摄像头同时采集不同角度的路况图像。当汽车要偏离车道中心时，不同的摄像头数据有利于汽车从车道两边回到中间车道。数据量不够，可以通过数据增强来获得数倍的数据。对得到的图像

blackjacki·2020-08-16 14:43

强化学习（三） - Gym库介绍和使用，Markov决策程序实例，动态规划决策实例

本部分代码和将来的代码会参考《深度强化学习原理与python实现》与Udacity的课程《ReinforcementLearning》。

Stan Fu·2020-08-16 14:41

Udacity机器人软件工程师课程笔记（三十六) - GraphSLAM

一、引入GraphSLAM是解决完整的slam问题的slam算法。这意味着该算法将恢复整个路径和地图，而不仅仅是最近的姿势和地图。这种差异使它可以考虑当前姿势与先前姿势之间的依赖性。适用于我们的GraphSLAM的一个示例是地下采矿。每天都用在钻孔机上的大型机器在岩壁上切割。环境瞬息万变，保持正确的工作空间图非常重要。映射此空间的一种方法是在周围环境中驾驶装有激光雷达的车辆并收集有关周围环境的数据

Stan Fu·2020-08-16 14:40

Udacity无人驾驶工程师学习笔记（一）

无人驾驶是当前一个火热的话题，多个学科的人才开始涌入这个行业，udacity出了这门网课，在学习之余，我想记录下相关的知识点，以便于整理归类，同时借助这个平台也能够与大家一起讨论。

此昵称存在·2020-08-16 12:44

Udacity无人驾驶课程笔记：高精度地图

高精地图包含大量的驾驶辅助信息，最重要的信息是道路网的精确三维表征，例如交叉路口布局和路标位置。还包含许多的语义信息，地图可能会报告交通灯上不同颜色的含义，它也可能指示道路的速度限制以及左转车道的位置。高精地图最重要的特征之一是精度，高精地图可以使车辆达到厘米级精度，对确保无人驾驶车辆的安全性至关重要。地图与定位、感知与规划的关系定位车辆自定位依赖于地图，首先车辆可能会寻找坐标，可以通过各类传感器

Mr-Xavier·2020-08-16 11:55

Udacity无人驾驶课程笔记：控制

控制流程控制器预计有两种输入：目标轨迹和车辆状态。控制器输出：控制出入（转向、加速和制动）的值。PID控制优点：使用简单，大多数情况下适用。缺点：对于复杂的系统不适用，PID控制器依赖于实时误差测量，这意味着测量延迟限制时可能会失效。线性二次调节器（LQR）线性二次调节器（LQR）是基于模型的控制器，使用车辆状态来使误差最小化，Apollo使用LQR进行横向控制。横向控制包含四个组件：横向误差、横

Mr-Xavier·2020-08-16 10:44

【Udacity】数据的差异性：值域、IQR、方差和标准差

一、值域(Range)Range=Max-Min受异常值(Outliers)影响二、四分位差(IQR)四分位距（interquartilerange,IQR），又称四分差。是描述统计学中的一种方法，以确定第三四分位数和第一四分位数的区别（即Q1~Q3的差距）。三、异常值(Outlier)异常值的常用定义：OutlierQ3+1.5IQR可视化——BoxPlots(箱线图)&Whisker(盒须图)

weixin_34342578·2020-08-16 09:44

Tensorflow BatchNormalization详解：4_使用tf.nn.batch_normalization函数实现Batch Normalization操作

使用tf.nn.batch_normalization函数实现BatchNormalization操作觉得有用的话,欢迎一起讨论相互学习~参考文献吴恩达deeplearningai课程课程笔记Udacity

武科大许志伟·2020-08-16 08:33

Error when write_videofile with moviepy

在udacity项目P3中运行pythondrive.pymodel.h5run1，根据run1中图片生成视频时出现如下错误：Traceback(mostrecentcalllast):File“…/anaconda3

不二青衣·2020-08-14 14:54

aws+Anaconda+ tensorflow + keras +opencv搭建深度学习网络环境(上--硬件篇)

最近在做udacity的毕业项目，环境搭建废了不少功夫，为了方便以后再次搭建，就有了这篇环境搭建文章，也希望能给更多的朋友带来一点点帮助。

JasonZhou89·2020-08-14 07:06

我的机器学习之路

一次机缘巧合，我在果壳网上看到Udacity，从此更一发不可收拾了，连续不断的学习了《DesignofComputerPrograms》，《IntrotoStatistics》，《SoftwareTesting

bigwigwind·2020-08-12 11:04

Coursera,Udacity,Edx 课程列表(更新ing)

Coursera,Udacity,Edx课程列表(更新ing)Coursera有很多特别好的课程，平时没有机会听到国外大牛的课程，通过Coursera算是可以弥补一下吧，国外的课程普遍比国内的老师教的好

weixin_30617797·2020-08-11 14:56

文献与代码管理 github

Mendeley文件管理工具视频：网易云课堂coursera（斯坦福）Udacity教科书：周志华老师《机器学习》，内容多，不太深，想深入研究可以参考上面所列的参考文献；lanGoodfellow《深度学习

月牙儿June·2020-08-10 22:20

学习笔记：利用markdown写readme文档（Udacity学城）

周末逛知乎等资讯平台的时候，无意间了解到Udacity学城有一期关于利用markdown撰写readme文档的教程，想到CSDN博客也提供了markdown编辑功能，而自己到现在还不会用，看着自己写的丑陋的博客

mini猿要成长QAQ·2020-08-10 21:44

设计冲刺工坊第四期——百格活动

bag_track=bageventtg这是DSC（设计冲刺社区）的第四期工作坊，地点在北京，在这之前，DSC已经在上海成功举办了三期工作坊，先后得到了麦当劳、强生、上海GDG、果壳和Udacity的支持

百格活动BagEvent·2020-08-10 15:04

python自定义向量类实现代码

代码参考自优达学城udacity中的基础线性代数udacity-linear-algebra#python3.6frommathimportsqrt,acos,pifromdecimalimportDecimal

不基调·2020-08-10 13:02

安利一款不错的在线学习网站，优达学城

>>>官网：https://cn.udacity.com/网站的设计风格是清新风格的，右手边的几款推荐课程也都是热门专业，很是诱人。拿其中的数据分析师课程作为例子，分为入门和进阶两个阶段。

weixin_33736832·2020-08-09 00:12

Tensorflow BatchNormalization详解：2_使用tf.layers高级函数来构建神经网络

BatchNormalization:使用tf.layers高级函数来构建神经网络觉得有用的话,欢迎一起讨论相互学习~参考文献吴恩达deeplearningai课程课程笔记Udacity课程#BatchNormalization–Solutions

武科大许志伟·2020-08-08 22:31

学习笔记 | Apollo Udacity自动驾驶课程笔记——感知、预测

点击上方“AI算法修炼营”，选择加星标或“置顶”标题以下，全是干货3感知1、计算机视觉无人驾驶车有四个感知世界的核心任务：检测——指找出物体在环境中的位置；分类——指明确对象是什么；跟踪——指随时间的推移观察移动物体；语义分割——将图像中的每个像素与语义类别进行匹配如道路、汽车、天空。2、Camera图像RGB图像，深度为33、Lidar图像激光雷达传感器创建环境的点云表征，提供了难以通过摄像头图

AI算法修炼营·2020-08-08 00:38

学习笔记 | Apollo Udacity自动驾驶课程笔记——高精度地图、厘米级定位

点击上方“AI算法修炼营”，选择加星标或“置顶”标题以下，全是干货前言：目前Apollo内部高精地图主要应用在高精定位、环境感知、决策规划、仿真运行四大场景，帮助解决林荫道路GPS信号弱、红绿灯是定位与感知以及十字路口复杂等导航难题。1高精度地图1、高精地图与传统地图1.1定义：高精地图是当前无人驾驶车技术不可或缺的一部分。它包含了大量的驾驶辅助信息，最重要是包含道路网的精确三维表征，例如交叉路口

AI算法修炼营·2020-08-08 00:38

车道线检测-从单车道到多车道的车道线检测（一）

车道线检测····在参加udacity的课程后，对于车道线有了一些直观的认识，后来在实验室学习和外出实习过程中，也接触过不少车道线方面的检测工作，这边将对这些日子里的工作做一个总结。

wisdom_bob·2020-08-08 00:08

车道线检测-从单车道到多车道的车道线检测（三）

本篇分三个内容：····1.讲解Udacity的CarND-LaneLines-P1-master项目····2.讲解Udacity的CarND-Advanced-Lane-Lines

wisdom_bob·2020-08-08 00:08

Udacity X Apollo课程学习笔记 (20180809更新)

1.Apollo架构总述首先主要提到的就是关于一些对比ROS做出改进的地方1.1单点故障问题在一些通信架构中，单点故障问题是我们不可忽视的，而在ROS中，通信都是经过master节点进行发布和订阅消息。很显然如果master挂掉就会出现这个单点故障的问题。而apollo中每个节点会互相保存其他节点的信息1.2使用共享内存加快各节点的通信速度1.3用protobuf来序列化主要优点在于序列化方式统一

DJ丶丶·2020-08-08 00:42

Udacity无人驾驶课程笔记：定位

定位的任务是知道车辆在高精地图中的位置。GPS对定位来说不够精确，在1~3m范围，在高楼、峡谷等GPS信号弱的地方，甚至达到10～50m的误差。车辆通过传感器得到的数据坐标与高精地图坐标进行对比，得到自身坐标和地图坐标之间的转换数据，这是车辆精确定位的关键。GNSSRTK由美国政府研发并在全球范围内运营的卫星导航系统，这类系统的通用名成为全球导航系统卫星或者GNSS，GPS是使用最广泛的GNSS系

Mr-Xavier·2020-08-07 23:11

机器学习工程师 — Udacity 构建垃圾邮件分类

我们的任务垃圾邮件检测是机器学习在现今互联网领域的主要应用之一。几乎所有大型电子邮箱服务提供商都内置了垃圾邮件检测系统，能够自动将此类邮件分类为“垃圾邮件”。在此项目中，我们将使用朴素贝叶斯算法创建一个模型，该模型会通过我们对模型的训练将信息数据集分类为垃圾信息或非垃圾信息。对垃圾文本信息进行大致了解十分重要。通常它们都包含“免费”、“赢取”、“获奖者”、“现金”、“奖品”等字眼，因为这些它们专门

阳阳yyx·2020-08-07 16:59

Android性能优化之电量篇

Google近期在Udacity上发布了Android性能优化的在线课程，分别从渲染，运算与内存，电量几个方面介绍了如何去优化性能，这些课程是Google之前在Youtube上发布的Android性能优化典范专题课程的细化与补充

被热成狗的西北狼·2020-08-07 13:57

Coursera公开课笔记: 斯坦福大学机器学习第一课“引言(Introduction)”

随着Coursera和Udacity这样的注重交互式的网络课堂的兴起，相信传统教育模式即将遭到颠覆。

GarfieldEr007·2020-08-07 11:58

Android性能优化——电量

理解电池消耗2.BatteryHistorian3.充电状态和BatteryManager4.Wakelock和电池消耗5.网络和电池消耗6.使用JobSchedulerAndroid性能优化——电量原Udacity

PdKingLiu·2020-08-07 11:45

Udacity机器学习入门笔记——2朴素贝叶斯-1

机器学习一般会涉及到特征（Features）和标签（Labels）Inmachinelearningweoftentakeasinputfeaturesandwetrytoproducelabels.在机器学习中我们通常会把特征作为输入，然后尝试生成标签。以人听歌为例，可以把强度（intensity）节奏（tempo）流派（genre）声音性别（thegenderofvoice）作为可提取的特征，

xjj19901127·2020-08-06 13:46

机器学习工程师 - Udacity 项目2: 为CharityML寻找捐献者

开始在这个项目中，你将使用1994年美国人口普查收集的数据，选用几个监督学习算法以准确地建模被调查者的收入。然后，你将根据初步结果从中选择出最佳的候选算法，并进一步优化该算法以最好地建模这些数据。你的目标是建立一个能够准确地预测被调查者年收入是否超过50000美元的模型。这种类型的任务会出现在那些依赖于捐款而存在的非营利性组织。了解人群的收入情况可以帮助一个非营利性的机构更好地了解他们要多大的捐赠

weixin_30500663·2020-08-06 13:01

优达（Udacity）-机器学习基础-异常值

回归中的异常值选出下面的最好的线性回归（考虑到异常值，并假设线性回归将最小平方误差减到最低）答案：这一条线会获得最小的平方误差，可以看到异常值对预测的影响是很大的。产生异常的原因第三种情况是不会考虑的前两种情况是应该被忽略的异常值最后一点是应该被重视的异常值（如金融诈骗）选择异常值第二行第一个存在争议==其实我认为他不属于异常值但是老师说，这里可能是双重错误——标签分类也错了异常值检测-删除算法训

沐婉清·2020-08-06 12:10

优达（Udacity）finding_donors

github地址机器学习纳米学位监督学习项目2:为CharityML寻找捐献者欢迎来到机器学习工程师纳米学位的第二个项目！在此文件中，有些示例代码已经提供给你，但你还需要实现更多的功能让项目成功运行。除非有明确要求，你无须修改任何已给出的代码。以‘练习’开始的标题表示接下来的代码部分中有你必须要实现的功能。每一部分都会有详细的指导，需要实现的部分也会在注释中以’TODO’标出。请仔细阅读所有的提示

灵魂画手-编程如画·2020-08-06 12:50

tensorflow学习笔记--embedding_lookup()用法

embedding_lookup()的用法关于tensorflow中embedding_lookup()的用法，在Udacity的word2vec会涉及到，本文将通俗的进行解释。

STHSF·2020-08-05 17:06

Python被编进小学教材了？啥时纳入高考……

文/Udacity之肴编辑/安然、拇姬、优达菌特别感谢/王枫本文首发于微信订阅号果壳网（id：Guokr42）据澎湃新闻近日消息，山东省在其最新出版的小学信息技术六年级教材中，加入了Python的内容。

weixin_33782386·2020-08-05 02:17

推荐频道

Udacity