henhenha
henhenha

机器学习、深度学习、神经网络学习资料集合(开发必备)

最近整理了下AI方面的学习资料，包含了学习社区、入门教程、汲取学习、深度学习、自然语言处理、计算机视觉、数据分析、面试和书籍等方面的知识。在这里分享给大家，欢迎大家点赞收藏。

学习社区

神力AI(MANA)：国内最大的AI代码平台。

Learn AI：一个AI学习交流中心。

AI研习社：一个专注于AI开发者和学术青年求知求职的AI社区。

极市：极市高质量视觉算法开发者社区。

AI导航网：最全最丰富的人工智能网址导航。

智源社区：依托智源研究院强大学者资源，内行AI人自己的家园。

入门

  1. 如何自学人工智能？
  2. 智能机器人从0到1系统入门
  3. 人工智能原理
  4. 深度学习入门与实战
  5. 终于有人把云计算、大数据和人工智能讲明白了
  6. 入门人工智能
  7. 读懂一个 demo，入门机器学习
  8. 了解人工智能
  9. 入行人工智能十大经典书单
  10. 人工智能工业应用痛点及解决思路
  11. 人工智能的全面科普
  12. @那些想要转行AI的人：送你一份人工智能入门指南
  13. 神经网络快速入门：什么是多层感知器和反向传播？
  14. 机器学习入门必备：如何用Python从头实现感知器算法
  15. 人工智能开发者的入门指南
  16. 从入门到精通：卷积神经网络初学者指南
  17. 机器学习敲门砖：任何人都能看懂的TensorFlow介绍
  18. RNN 怎么用？给初学者的小教程
  19. 谷歌官方指南：如何通过玩TensorFlow Playground来理解神经网络
  20. 一篇文章带你进入无监督学习：从基本概念到四种实现模型
  21. 机器学习初学者入门实践：怎样轻松创造高精度分类网络
  22. 如何通过 Python 打造一款简易版 AlphaGo?
  23. 人工智能数学基础----导数
  24. 如何自学人工智能？人工智能好学？初学者如何从零学习人工智能和机器学习？
  25. 人工智能领域的顶级学术期刊大全
  26. 学习人工智能需要哪些必备的数学基础？
  27. 聊聊大数据与人工智能
  28. 大龄程序员的人工智能学习之路
  29. 如何自学人工智能？
  30. 12个的优秀的人工智能开源项目利器
  31. 面向普通开发者的机器学习入门
  32. 超基础的机器学习入门-原理篇
  33. 机器学习入门指南

机器学习

  1. 机器学习流程
  2. 人工智能核心能力提升商业智能
  3. opencv4.0轻松学习入门与实战
  4. 人工智能 keras项目实战
  5. 全球AI比赛实战
  6.  greedy机器学习高阶训练
  7. 如何搭建金融信贷风控中的机器学习模型
  8. 人工智能实战
  9. 机器学习（商务数据分析）
  10. 机器学习资源汇总
  11. 机器学习---决策树
  12. 机器学习(一)：5分钟理解机器学习并上手实践
  13. 机器学习手册学习笔记--图像处理
  14. 机器学习和深度学习的区别
  15. 在Android中借助TensorFlow使用机器学习
  16. 看机器学习如何预测债券收益率
  17. 吴恩达机器学习：无监督学习算法
  18. 机器学习之 sklearn中的pipeline
  19. 33个机器学习常用数据集
  20. 机器学习 --- 线性回归
  21. 统计学习和机器学习
  22. 几个机器学习常用算法
  23. 机器学习经典开源数据集
  24. 机器学习 - sklean
  25. 机器学习项目流程
  26. Python机器学习笔记
  27. 神经网络的监督学习
  28. 机器学习——监督学习&无监督学习
  29. 用于数据分类的无监督学习
  30. 机器学习技术——有监督学习
  31. 监督学习及无监督学习
  32. 无监督学习算法
  33. 监督学习最常见的五种算法
  34. python：sklearn
  35. 机器学习|朴素贝叶斯算法（二）-用sklearn实践贝叶斯
  36. sklearn常用机器学习算法
  37. python机器学习库sklearn——多类、多标签、多输出
  38. sklearn中分类模型评估指标（二）：Kappa系数、混淆矩阵、分类指标报告、汉明损失
  39. 终于有人说清楚了--XGBoost算法
  40. 机器学习：xgboost（回归实战）
  41. 从零解读 Xgboost 算法 (原理+代码)
  42. xgboost的原理没你想像的那么难
  43. 用 XGBoost 在 Python 中进行特征重要性分析和特征选择

深度学习

  1. PyTorch之BN核心参数详解
  2. 量化交易魔鬼训练营
  3. 量化交易进阶实战课迭代式的量化策略研发
  4. Python项目实战从零开始搭建货币量化交易系统
  5. Python金融数字货币量化投资课程
  6. 高等数学学习算法人工智能大数据的必修课
  7. PyTorch之对类别张量进行one-hot编码
  8. 主流深度学习框架对比：看你最适合哪一款？
  9. 深度学习教程：从感知器到深层网络
  10. OpenAI 的 PixelCNN++实现：基于 Python3 和 TensorFlow
  11. 卷积神经网络架构详解：它与神经网络有何不同？
  12. 分布式深度学习：神经网络的分布式训练
  13. Python入门深度学习完整指南
  14. GitHub 上 57 款最流行的开源深度学习项目
  15. 深度学习三大框架对比
  16. 利用Python进行深度学习的完整入门指南
  17. 深度学习局限何在？图网络的出现并非偶然
  18. 23种深度学习库排行榜：TensorFlow最活跃、Keras最流行
  19. 深度学习最常用的算法:Adam优化算法
  20. TensorFlow 深度学习笔记
  21. Alink漫谈(十四) ：多层感知机 之 总体架构
  22. 多层感知机MLP
  23. Julia：用多层感知机解决异或问题
  24. 土法神经网络 Part V：多层感知机
  25. TensorFlow实现多层感知机及可视化训练过程中的数据记录
  26. 从此明白了卷积神经网络（CNN）
  27. 大话卷积神经网络CNN（干货满满）
  28. 用“活着的”CNN进行验证码识别
  29. 卷积神经网络(CNN)介绍与实践
  30. 自回归模型详解与PixelCNN构建
  31. [机器学习读书笔记] - RNNs vs GRUs vs LSTM (附 Trax 基于GRUs的文本生成)
  32. 【RNN从入门到实战】GRU入门到实战——使用GRU预测股票
  33. GRU神经网络
  34. 深度学习之LSTM及GRU
  35. 首次大规模神经机器翻译架构分析结果出炉，LSTM 优于GRU
  36. 透彻的理解：循环神经网络
  37. RNN原理解析与实现(Keras)
  38. 深度学习之循环神经网络RNN(基础篇)

自然语言处理

  1. 自然语言处理总结
  2. [高级]人工智能自然语言处理 nlp
  3. 人工智能方向名企NLP
  4. 导师制名企实训班自然语言处理方向
  5. 自然语言处理介绍
  6. Python自然语言处理分析倚天屠龙记
  7. 教你用Python进行自然语言处理
  8. Python 自然语言处理入门
  9. 自然语言处理中句子相似度计算的几种方法
  10. Python调用自然语言处理包HanLP
  11. 深度学习与自然语言处理
  12. 汉语自然语言处理工具包下载
  13. 自然语言处理系列之一：N元语法-ngram
  14. 自然语言处理领域重要论文&资源全索引
  15. 配置Hanlp自然语言处理进阶
  16. Python自然语言处理只需要5行代码
  17. 自然语言处理入门笔记-> 准确率评测
  18. hanlp中文自然语言处理分词方法说明
  19. 怎样用机器学习8步解决90%的自然语言处理问题？
  20. 最全面的百度NLP自然语言处理技术解析
  21. 自然语言处理在eBay的技术实践
  22. 使用 Python+spaCy 进行简易自然语言处理
  23. 全栈 - 16 NLP 走近自然语言处理
  24. 浏览器中的自然语言处理
  25. 使用sklearn做自然语言处理
  26. NLP入门+实战必读：一文教会你最常见的10种自然语言处理技术
  27. 自然语言处理入门笔记-> 二元语法与中文分词
  28. Pointer Networks在自然语言处理领域中的应用
  29. 使用 Turi Create 在 iOS 上实现自然语言处理
  30. 自然语言处理NLP知识和产品的笔记
  31. 12种自然语言处理的开源工具
  32. 自然语言处理工具包 HanLP在 Spring Boot中的应用

计算机视觉

  1. 基于Python的这个库，我实现了“隔空操物”
  2. 后厂名企CV计算机视觉实战
  3. 医疗大数据与人工智能高级应用 首部影像组学实践
  4. 程序员必看：13个GitHub开源又炫酷的计算机视觉项目
  5. 最新计算机视觉学习路线教程
  6. 31篇文章！计算机视觉从原理到OpenCv实战
  7. 计算机视觉中的transformer模型创新思路总结
  8. OpenCV能做哪些好玩的项目？适合初学者学习的五个计算机视觉项目
  9. iOS计算机视觉—人脸识别
  10. 从神经科学到计算机视觉——50年来CV的发展之路
  11. 【计算机视觉】视频车辆检测与计数
  12. 一文看懂计算机视觉-CV
  13. 计算机视觉开发工程师需要哪些技能？
  14. 深度学习入门：适合初学者的5个计算机视觉免费开源项目
  15. GitHub上的计算机视觉学习资料推荐
  16. 计算机视觉的 基础学习
  17. 深度学习之计算机视觉
  18. 基于 Web 端的人脸识别身份验证
  19. 个高可用的开源人脸识别项目！哪个识别率最高？
  20. 人脸识别 -- 活体检测(张嘴摇头识别)
  21. 自学项目之opencv人脸识别
  22. 震惊！只用20行代码就写出了一个人脸识别的程序
  23. 基于Java实现的人脸识别功能，一切都为了宠粉（附源码）
  24. 计算视觉——图像梯度、图像边缘、几何特征、检测与提取
  25. Python图像处理，cv2模块，OpenCV实现边缘检测
  26. Python图像处理，cv2模块，OpenCV实现目标跟踪
  27. 图像相似度比较和检测图像中的特定物
  28. 图像检索系列——利用 Python 检测图像相似度
  29. 干货｜一文读懂图像局部特征点检测算法
  30. 图像中二维码的检测和定位
  31. Python 图像处理 OpenCV （12）： Roberts 算子、 Prewitt 算子、 Sobel 算子和 Laplacian 算子边缘检测技术
  32. [译] 提取图片中的文字、人脸或者条形码 —— 形状检测API
  33. FastAI：基于机器视觉的典型多目标追踪算法应用实践
  34. AI 论文解读：基于 Transformer 的多目标跟踪方法 TrackFormer

数据分析

  1. 电商用户行为数据分析
  2. 10周成为数据分析师
  3. Pandas数据分析实战
  4. 清华讲师大数据机器学习
  5. python数据智能分析
  6. 京东数据智能分析
  7. SPSS论文数据分析实战
  8. 人人都能学会数据分析
  9. ClickHouse数据分析引擎入门到精通
  10. [数据分析] 数据分析全栈工程师
  11. 如何快速成为数据分析师？
  12. 数据分析，从入门到崩溃
  13. 小白学数据分析--数据分析实操篇
  14. 作为数据分析师，如何提升数据分析能力？
  15. 数据分析入门系列教程-数据清洗
  16. Python | 数据分析实战 Ⅱ
  17. Python数据分析之股票数据
  18. Python数据分析基础知识
  19. 数据分析工具Pandas
  20. 数据分析
  21. 数据分析之RFM分析
  22. 让数据分析自动化：开源数据分析工具Rath介绍
  23. 用 Python 分析了 20 万场吃鸡数据
  24. 一小时搭建实时数据分析平台
  25. 小白数据分析——Python职位全链路分析
  26. 使用 Python 探索和分析数据 入门的入门
  27. Python | 数据分析实战Ⅰ
  28. 量化交易Python数据分析
  29. Python数据分析与挖掘实战--读书笔记
  30. python 数据挖掘算法简要
  31. 数据挖掘：python实战多因子分析
  32. 手机评论文本挖掘与数据分析（Python）
  33. Python 数据挖掘实践—KNN 分类
  34. Python中的Apriori关联算法-市场购物篮分析
  35. 数据挖掘——决策树巩固与 Python 实现
  36. Twitter数据挖掘：如何使用Python分析大数据

面试

  1. 计算机视觉面试经历
  2. 机器学习面试准备大全 - 技能要求、面试例题详解
  3. 苹果、谷歌等大厂的AI面试题被我们搞到手了，你敢来挑战吗？
  4. 我从过去八个月的AI公司面试中学到了什么？
  5. 跳槽季·机器学习面试不完全指南
  6. BAT机器学习面试1000题系列
  7. 数据科学和机器学习面试问题
  8. 160个机器学习面试题
  9. 阿里机器学习七面面经
  10. 机器学习算法面经（腾讯阿里网易）
  11. 面试了8家公司，他们问了我这些机器学习题目
  12. 【面试】美团CV实习岗面试记录
  13. 面试阿里数据分析风控岗挂掉的经历&反思

书籍推荐

神经网络与深度学习

机器学习、深度学习、神经网络学习资料集合(开发必备)_第1张图片

深入浅出神经网络与深度学习

机器学习、深度学习、神经网络学习资料集合(开发必备)_第2张图片

深度学习

机器学习、深度学习、神经网络学习资料集合(开发必备)_第3张图片

深度学习进阶 : 自然语言处理

机器学习、深度学习、神经网络学习资料集合(开发必备)_第4张图片

机器学习实战

机器学习、深度学习、神经网络学习资料集合(开发必备)_第5张图片

机器学习理论导引

机器学习、深度学习、神经网络学习资料集合(开发必备)_第6张图片 

Scikit-Learn与TensorFlow机器学习实用指南

机器学习、深度学习、神经网络学习资料集合(开发必备)_第7张图片

Python大数据分析与机器学习商业案例实战

机器学习、深度学习、神经网络学习资料集合(开发必备)_第8张图片

机器学习与R语言

机器学习、深度学习、神经网络学习资料集合(开发必备)_第9张图片

智慧的疆界

机器学习、深度学习、神经网络学习资料集合(开发必备)_第10张图片

你可能感兴趣的:(深度学习,机器学习,神经网络)

  • Python网络爬虫-WebSocket数据抓取 程序小勇 faiss爬虫python网络协议websocket开发语言
    目录前言1、WebSocket请求的分析通常涉及以下几个方面：2、利用WebSocket爬取数据总结最后，创作不易！非常感谢大家的关注、点赞、评论啦！谢谢三连哦！好人好运连连，学习进步！工作顺利哦！博主介绍：✌专注于前后端、机器学习、人工智能应用领域开发的优质创作者、秉着互联网精神开源贡献精神，答疑解惑、坚持优质作品共享。本人是掘金/腾讯云/阿里云等平台优质作者、擅长前后端项目开发和毕业项目实战，
  • 【人工智能】AI现状分析 || 神经网络的数学基础 || 人工智能交叉领域的发展和技术应用 || 附：小白入门人工智能 学习步骤 追光者♂ Python从入门到人工智能百题千解计划(项目实战案例）人工智能交叉领域神经网络的数学基础AI现状分析
    声明：仅学习使用~资料整理分析不易，点个赞吧！目录1.AI现状分析（人工智能基础入门概念）1.1人工智能基础概念1.2人工智能的技术发展路线1.3产业发展的驱动因素1.4人工智能薪资岗位介绍2.神经网络的数学基础2.1神经网络的生物表示2.2神经网络的数学表示2.3神经网络必备的一些数学基础2.3.1Sigmoid函数2.3.2偏置2.4总结3.人工智能交叉领域的发展和技术应用3.1人工智能应用交
  • conda更换环境版本（比如torch版本） 挨打且不服66 pythonpython
    找到想要的torch版本pytorch官网torch过往的版本创建新环境condacreate--namemyenvpython=3.8condaactivatemyenvconda虚拟环境中安装CUDA和CUDNN深度学习用显卡训练的时候，需要安装与显卡对应的cuda和cudnn。但不同的项目所支持的pytorch版本是不一样的，而pytorch版本和cuda版本之间又是互相依赖的，所以如果可以
  • 一文读懂！深度学习 + PyTorch 的超实用学习路线 a小胡哦 深度学习pythonpytorch
    深度学习作为人工智能领域的核心技术，正深刻改变着诸多行业。PyTorch则是深度学习实践中备受青睐的框架，它简单易用且功能强大。下面就为大家详细规划深度学习结合PyTorch的学习路线。一、基础知识储备数学基础数学是很重要的！！！线性代数、概率论与数理统计、微积分是深度学习的数学基石。熟悉矩阵运算、概率分布、梯度计算等概念，能帮助理解深度学习模型的原理。例如，在神经网络中，矩阵乘法用于神经元之间的
  • 流行编程语言全解析：优势、应用与短板 a小胡哦 pythonjavac++c语言javascriptswiftr语言
    Python：优势Python以其简洁、易读的语法闻名，新手能快速上手。丰富的库和框架，能极大地提高开发效率。适用领域数据科学与分析：处理和分析大规模数据集，进行数据可视化。典型示例：Google用Python进行数据分析，处理海量数据以支持各种业务决策。机器学习与人工智能：构建和训练模型。典型示例：OpenAI在很多人工智能项目中广泛使用Python，如GPT系列模型的研发。网络爬虫：轻松从网页
  • 【自学笔记】机器学习基础知识点总览-持续更新 Long_poem 笔记机器学习人工智能
    提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录机器学习重点知识点总览一、机器学习基础概念二、机器学习理论基础三、机器学习算法1.监督学习2.无监督学习3.强化学习四、机器学习处理流程五、机器学习常见问题与解决方法六、机器学习应用领域总结机器学习重点知识点总览一、机器学习基础概念定义：机器学习是一种人工智能技术，通过对数据的学习和分析，让计算机系统自动提高其性能。本质：找到
  • 解锁机器学习核心算法 | 逻辑回归：不是回归的“回归” 紫雾凌寒 AI炼金厂机器学习算法逻辑回归深度学习pythonscikit-learnmatplotlib
    引言前面一篇文章我们介绍了机器学习算法中我们最先会接触到的算法——线性回归：机器学习的基石。今天我们继续学习机器学习中的另一个算法模型——逻辑回归（LogisticRegression）。一、逻辑回归：不是回归的“回归”在机器学习的庞大算法体系中，逻辑回归（LogisticRegression）虽然名字中带有“回归”，但却是一位不折不扣的“分类高手”，主要用于解决二分类问题，在众多领域发挥着关键作
  • 单片机、嵌入式Linux开发大学自学路径 Oriental Son 嵌入式MCU单片机单片机学习stm32mculinux
    笔者所修读的专业为物联网工程，物联网工程是一门新兴的、热门的专业，其所涉及的学科更是又多又杂，既有计算机方向的编程语言（如C、C++、Java、Python等）、数据结构与算法、操作系统、移动端应用开发、机器学习等；软硬结合的方向有数字电路单片机开发、嵌入式Linux开发等；硬件、电路方向有电路分析、数字电路、模拟电路、传感器原理、RFID、FPGA开发等；涉及信号处理的有信号与系统、通信原理等。
  • 强化学习：原理、概念与代码实践 AndrewHZ 深度学习新浪潮人工智能深度学习强化学习机器学习算法deepseek
    一、引言强化学习（ReinforcementLearning）作为机器学习的一个重要分支，旨在通过智能体（agent）与环境的交互，学习到最优的行为策略，以最大化长期累积奖励。它在机器人控制、游戏、自动驾驶、资源管理等众多领域都取得了显著的成功。本文将深入介绍强化学习的数学原理、核心概念，并通过公式推导来加深理解，同时结合一个具体的实例，使用Python语言进行代码实现，帮助读者全面掌握强化学习的
  • 随机梯度下降一定会收敛么？ AndrewHZ 人工智能深度学习算法
    1.什么是随机梯度下降？随机梯度下降（StochasticGradientDescent，SGD）是一种用于最小化目标函数的迭代优化算法，在机器学习和深度学习领域应用广泛。2.随机梯度下降算法的基本原理1.基于梯度的优化基础该算法是基于梯度的优化算法，用于寻找函数的最优解，通常是最小化损失函数。在机器学习和深度学习中，模型通过调整参数来最小化损失函数，以达到最佳的预测性能。2.迭代更新参数从初始的
  • 大规模GPU集群的进阶之路 卢旗 人工智能
    大家好，我是卢旗。今天来聊聊GPU。GPU，全称GraphicProcessingUnit，即图形处理器。它的并行处理能力非常强大，能够同时处理多个任务和数据，因此被广泛用于图形渲染、视频处理、深度学习、科学计算等领域。研发团队在负责制定硬件选型策略并设计优化下一代大规模GPU集群的软硬件架构时，我们需要关注GPU技术的最新进展、重点研究问题以及潜在的技术突破。一、GPU在重点研究的问题算力提升与
  • PyTorch `.pth` 转 ONNX：从模型训练到跨平台部署 MO__YE 人工智能
    PyTorch.pth转ONNX：从模型训练到跨平台部署在深度学习里，模型的格式决定了它的可用性。如果你是PyTorch用户，你可能熟悉.pth文件，它用于存储训练好的模型。但当你想在不同的环境（如TensorRT、OpenVINO、ONNXRuntime）部署模型时，.pth可能并不适用。这时，ONNX（OpenNeuralNetworkExchange）就必不可少。本文目录：什么是.pth文件
  • 【Python】成功解决NameError: name ‘XXX’ is not defined 云天徽上 python运行报错解决记录python开发语言pandas机器学习numpy
    【Python】成功解决NameError:name‘XXX’isnotdefined欢迎莅临我的个人主页这里是我深耕Python编程、机器学习和自然语言处理（NLP）领域，并乐于分享知识与经验的小天地！博主简介：我是云天徽上，一名对技术充满热情的探索者。多年的Python编程和机器学习实践，使我深入理解了这些技术的核心原理，并能够在实际项目中灵活应用。尤其是在NLP领域，我积累了丰富的经验，能够
  • 什么是Scaling Laws（缩放定律）；DeepSeek的Scaling Laws ZhangJiQun&MXP 教学2024大模型以及算力2021论文人工智能自然语言处理神经网络语言模型深度学习
    什么是ScalingLaws（缩放定律）ScalingLaws（缩放定律）在人工智能尤其是深度学习领域具有重要意义，以下是相关介绍及示例：定义与内涵ScalingLaws主要描述了深度学习模型在规模（如模型参数数量、训练数据量、计算资源等）不断扩大时，模型性能与这些规模因素之间的定量关系。它表明，在一定条件下，模型的性能会随着模型规模的增加而以某种可预测的方式提升，通常表现为模型的损失函数值随模型
  • PyTorch `.pth` 转 ONNX：从模型训练到跨平台部署 MO__YE pytorch人工智能python
    PyTorch.pth转ONNX：从模型训练到跨平台部署在深度学习里，模型的格式决定了它的可用性。如果你是PyTorch用户，你可能熟悉.pth文件，它用于存储训练好的模型。但当你想在不同的环境（如TensorRT、OpenVINO、ONNXRuntime）部署模型时，.pth可能并不适用。这时，ONNX（OpenNeuralNetworkExchange）就必不可少。本文目录：什么是.pth文件
  • 【生物AI】AI在生物医药研发中的应用：基于深度学习的疾病诊断标志物发现 Anitalin00 生物AI人工智能深度学习
    摘要生物医药研发一直是推动人类健康进步的关键领域，然而传统研发方式在疾病诊断标志物发现方面存在效率低、准确性不足等问题。人工智能（AI），特别是深度学习技术，凭借其强大的数据处理和特征挖掘能力，为疾病诊断标志物的发现带来了新的契机。本文深入探讨AI在这一领域的具体应用，涵盖详细的实现流程、代码示例、运行结果分析，以及实际使用场景和应用效果评估。一、引言疾病诊断标志物是能够反映疾病发生、发展过程的生
  • 商汤绝影端到端自动驾驶的迭代优化 AGI大模型与大数据研究院 计算机软件编程原理与应用实践javapythonjavascriptkotlingolang架构人工智能
    自动驾驶,端到端,迭代优化,深度学习,感知,规划,控制,模型训练,数据增强,模型微调1.背景介绍随着人工智能和计算机视觉技术的飞速发展，自动驾驶汽车从科幻走进了现实。商汤科技推出的绝影端到端自动驾驶系统，就是其中的佼佼者。本文将深入剖析商汤绝影端到端自动驾驶系统的迭代优化过程，帮助读者理解其背后的技术原理和架构设计。2.核心概念与联系商汤绝影端到端自动驾驶系统的核心架构如下：graphLRA[感知
  • Hyperparameter Tuning 原理与代码实战案例讲解 AGI大模型与大数据研究院 DeepSeekR1&大数据AI人工智能计算科学神经计算深度学习神经网络大数据人工智能大型语言模型AIAGILLMJavaPython架构设计AgentRPA
    HyperparameterTuning原理与代码实战案例讲解作者：禅与计算机程序设计艺术/ZenandtheArtofComputerProgramming关键词：超参数调优，模型选择，性能提升，代码实战1.背景介绍1.1问题的由来在机器学习中，模型的选择和调优是至关重要的。模型选择涉及选择合适的算法和架构，而调优则集中在优化模型参数以提升性能。然而，模型参数众多，且每个参数的取值范围可能很广，
  • 如何在Python上安装xgboost？ cda2024 python开发语言
    在数据科学和机器学习领域，XGBoost无疑是一款备受推崇的算法工具。它以其高效、灵活和精确的特点，成为了众多数据科学家和工程师的首选。然而，对于初学者来说，如何在Python环境中成功安装XGBoost可能会成为一个挑战。本文将详细指导你在Python上安装XGBoost的过程，帮助你快速上手这一强大的机器学习工具。为什么选择XGBoost？在深入了解安装过程之前，我们先来看看XGBoost为何
  • K-means聚类：解锁数据隐藏结构的钥匙 小村学长毕业设计 kmeans聚类机器学习
    K-means聚类：解锁数据隐藏结构的钥匙在机器学习的广阔领域中，无监督学习以其独特的魅力吸引了众多研究者和实践者。其中，K-means聚类作为一种经典且实用的无监督学习算法，以其简单高效的特点，广泛应用于市场细分、图像分割和基因聚类等领域。本文将深入探讨K-means聚类的工作原理、应用实例及其在这些领域中的具体应用，旨在揭示其如何智能划分数据，解锁隐藏结构，为相关领域提供精准导航。一、K-me
  • DeepSeek的无限可能：探索前沿AI技术在多领域的应用 编码追梦人 AI人工智能人工智能
    引言2023年，全球人工智能产业规模突破万亿美元大关，一场以深度学习为核心的技术革命正以前所未有的速度重构人类社会的运行逻辑。在这场变革的浪潮中，中国AI企业深度求索（DeepSeek）以其独特的“问题驱动型”技术路径，悄然构建起覆盖科研、医疗、金融、教育等领域的智能生态系统。第一章技术底座：重构AI核心范式1.1MoE架构的颠覆性创新传统Transformer模型面临参数爆炸与能耗困境，Deep
  • 什么是神经网络 jerryjee 神经网络与深度学习神经网络深度学习机器学习人工智能python
    概述简而言之，神经网络就是函数：输入数据，输出结果。函数我们以MNIST手写数字图像识别为例，来定义一下对应的函数形式：任务类型：图像分类输入：一张图像包含28x28=784个像素，每个像素用一个实数表示输出：0-9任务描述：从图像张识别出唯一的数字函数定义y=f(x1,x2,...,x784)y=f(x_1,x_2,...,x_{784})y=f(x1,x2,...,x784)xi∈R,i=1,
  • DeepSeek-R1驱动下一代AIGC安全：全面解析智能内容合规审查技术体系与实战案例 Coderabo DeepSeekR1模型企业级应用AIGC安全
    DeepSeek-R1赋能AIGC内容合规审查：技术实践与案例解析一、AIGC内容合规审查技术架构（此处展开约1500字的技术原理说明，涵盖深度学习模型、规则引擎、多模态检测等核心组件）二、核心实施步骤与代码实现1.文本内容预处理模块importrefromdeepseek_nlpimportTextCleanerdeftext_preprocessing(text):#特殊字符过滤cleaner
  • 机器学习基本库之Pandas 莫 名 其 妙 pandas机器学习python数据分析
    Pandas是机器学习中专门用于数据处理的库，遇到很多数据时首先要使用Pandas进行预处理得到我们想要的信息，下面让我们来看一下Pandas中有哪些操作importpandasfood_info=pandas.read_csv("food_info.csv")#将csv文件中的数据进行读取print(type(food_info))#pandas中的核心结构叫做DATAFRAMEprint(fo
  • Decoder-Only、Encoder-Only、Encoder-Decoder 区别 会喘气的粽子丶 nlp人工智能
    Decoder-Only、Encoder-Only和Encoder-Decoder是三种常见的神经网络架构，主要用于自然语言处理（NLP）任务。它们在结构和应用上有显著的区别。1.Decoder-Only架构描述：仅包含解码器部分，没有编码器。应用：通常用于生成任务，如语言模型和对话系统。代表模型：GPT（GenerativePre-trainedTransformer）特点：自回归生成：模型通过
  • 【机器学习】半监督和无监督极限学习机SS-US-ELM附Matlab代码 默默科研仔 粉丝福利机器学习人工智能
    标题：【机器学习】半监督和无监督极限学习机SS-US-ELM附Matlab代码一、引言1.1研究背景和意义概述研究的背景以及该研究在领域内的重要性。1.2研究现状分析当前领域的研究进展和存在的问题。二、极限学习机（ELM）基本原理2.1ELM的基本模型描述ELM的基本模型结构和工作原理。2.2ELM的学习过程介绍ELM的学习算法和训练过程。三、半监督极限学习机（SS-ELM）3.1SS-ELM的提
  • 阅读论文“用于车联网安全车载通信的机器学习技术“的学习笔记 饮长安千年月 物联网安全安全机器学习学习
    前言论文全称为MachineLearningTechnologiesforSecureVehicularCommunicationinInternetofVehicles:RecentAdvancescandApplications智能交通系统（ITS）和计算系统的快速发展为智能交通安全提供了新的科学研究，并提供了舒适和高效的解决方案。人工智能（AI）已被广泛用于优化不同研究领域的传统数据驱动方法
  • 【AI引领潮流|未来智慧生活】国内机器聊天软件推荐（超全！）and人工智能&智能学习 熔光 人工智能AI软件智能学习生活
    1.AI聊天软件概述1.1AI聊天软件的关键技术1.2AI聊天软件的应用1.3AI聊天软件的挑战1.4总结2.智普清言3.文心一言4.讯飞星火5.知元AI6.白马AI7.ChatGPT8.一览AI应用链接9.人工智能10.机器学习↓个人主页：C_GUIQU↑1.AI聊天软件概述AI聊天软件是一种利用自然语言处理（NLP）、自然语言理解（NLU）和机器学习（ML）技术构建的软件，它能够理解用户的自然
  • 机器学些|实战? dami_king 随笔机器学习
    机器学习实战：从零到%1…今天聊聊机器学习（MachineLearning,ML），这个听起来高大上的技术其实并没有那么神秘。跟着我的节奏，咱们一起来探索一下如何从零开始！准备工作：安装和导入必要的库在开始我们的房价预测项目之前，我们需要准备好开发环境并导入所有必要的库。这些库将帮助我们处理数据、构建模型、评估性能以及可视化结果。安装Python和JupyterNotebook首先，确保你已经安装
  • 正则化（Regularization）和正则表达式（Regular Expression）区别 Dontla 正则表达式
    文章目录1.**正则化（Regularization）**2.**正则表达式（RegularExpression）**关键区别为什么名字相近？正则化（Regularization）和正则表达式（RegularExpression）不是同一个概念，它们是两个完全不同的术语，应用于不同的领域。1.正则化（Regularization）领域：机器学习/统计学。定义：正则化是一种用于防止模型过拟合（Ove
  • 书其实只有三类 西蜀石兰 类
    一个人一辈子其实只读三种书，知识类、技能类、修心类。 知识类的书可以让我们活得更明白。类似十万个为什么这种书籍，我一直不太乐意去读，因为单纯的知识是没法做事的，就像知道地球转速是多少一样（我肯定不知道），这种所谓的知识，除非用到，普通人掌握了完全是一种负担，维基百科能找到的东西，为什么去记忆？ 知识类的书，每个方面都涉及些，让自己显得不那么没文化，仅此而已。社会认为的学识渊博，肯定不是站在
  • 《TCP/IP 详解，卷1：协议》学习笔记、吐槽及其他 bylijinnan tcp
    《TCP/IP 详解，卷1：协议》是经典，但不适合初学者。它更像是一本字典，适合学过网络的人温习和查阅一些记不清的概念。 这本书，我看的版本是机械工业出版社、范建华等译的。这本书在我看来，翻译得一般，甚至有明显的错误。如果英文熟练，看原版更好： http://pcvr.nl/tcpip/ 下面是我的一些笔记，包括我看书时有疑问的地方，也有对该书的吐槽，有不对的地方请指正： 1.
  • Linux—— 静态IP跟动态IP设置 eksliang linuxIP
    一.在终端输入 vi /etc/sysconfig/network-scripts/ifcfg-eth0 静态ip模板如下： DEVICE="eth0" #网卡名称 BOOTPROTO="static" #静态IP（必须） HWADDR="00:0C:29:B5:65:CA" #网卡mac地址 IPV6INIT=&q
  • Informatica update strategy transformation 18289753290
    更新策略组件： 标记你的数据进入target里面做什么操作，一般会和lookup配合使用，有时候用0,1,1代表 forward  rejected rows被选中，rejected row是输出在错误文件里，不想看到reject输出，将错误输出到文件，因为有时候数据库原因导致某些column不能update，reject就会output到错误文件里面供查看，在workflow的
  • 使用Scrapy时出现虽然队列里有很多Request但是却不下载，造成假死状态 酷的飞上天空 request
    现象就是： 程序运行一段时间，可能是几十分钟或者几个小时，然后后台日志里面就不出现下载页面的信息，一直显示上一分钟抓取了0个网页的信息。 刚开始已经猜到是某些下载线程没有正常执行回调方法引起程序一直以为线程还未下载完成，但是水平有限研究源码未果。 经过不停的google终于发现一个有价值的信息，是给twisted提出的一个bugfix 连接地址如下http://twistedmatrix.
  • 利用预测分析技术来进行辅助医疗 蓝儿唯美 医疗
    2014年，克利夫兰诊所（Cleveland Clinic）想要更有效地控制其手术中心做膝关节置换手术的费用。整个系统每年大约进行2600例此类手术，所以，即使降低很少一部分成本，都可以为诊 所和病人节约大量的资金。为了找到适合的解决方案，供应商将视野投向了预测分析技术和工具，但其分析团队还必须花时间向医生解释基于数据的治疗方案意味着 什么。  克利夫兰诊所负责企业信息管理和分析的医疗
  • java 线程(一)：基础篇 DavidIsOK java多线程线程
                                                            &nbs
  • Tomcat服务器框架之Servlet开发分析 aijuans servlet
    最近使用Tomcat做web服务器，使用Servlet技术做开发时，对Tomcat的框架的简易分析： 疑问： 为什么我们在继承HttpServlet类之后，覆盖doGet(HttpServletRequest req, HttpServetResponse rep)方法后，该方法会自动被Tomcat服务器调用，doGet方法的参数有谁传递过来？怎样传递？ 分析之我见： doGet方法的
  • 揭秘玖富的粉丝营销之谜 与小米粉丝社区类似 aoyouzi 揭秘玖富的粉丝营销之谜
    玖富旗下悟空理财凭借着一个微信公众号上线当天成交量即破百万，第七天成交量单日破了1000万;第23天时，累计成交量超1个亿……至今成立不到10个月，粉丝已经超过500万，月交易额突破10亿，而玖富平台目前的总用户数也已经超过了1800万，位居P2P平台第一位。很多互联网金融创业者慕名前来学习效仿，但是却鲜有成功者，玖富的粉丝营销对外至今仍然是个谜。   　　近日，一直坚持微信粉丝营销
  • Java web的会话跟踪技术 百合不是茶 url会话Cookie会话Seession会话Java Web隐藏域会话
    会话跟踪主要是用在用户页面点击不同的页面时,需要用到的技术点   会话:多次请求与响应的过程     1,url地址传递参数,实现页面跟踪技术          格式:传一个参数的 url?名=值     传两个参数的 url?名=值 &名=值   关键代码
  • web.xml之Servlet配置 bijian1013 javaweb.xmlServlet配置
    定义： <servlet> <servlet-name>myservlet</servlet-name> <servlet-class>com.myapp.controller.MyFirstServlet</servlet-class> <init-param> <param-name>
  • 利用svnsync实现SVN同步备份 sunjing SVN同步E000022svnsync镜像
    1. 在备份SVN服务器上建立版本库    svnadmin create test 2. 创建pre-revprop-change文件     cd test/hooks/     cp pre-revprop-change.tmpl pre-revprop-change 3. 修改pre-revprop-
  • 【分布式数据一致性三】MongoDB读写一致性 bit1129 mongodb
    本系列文章结合MongoDB，探讨分布式数据库的数据一致性，这个系列文章包括： 数据一致性概述与CAP 最终一致性(Eventually Consistency) 网络分裂(Network Partition)问题 多数据中心(Multi Data Center) 多个写者(Multi Writer)最终一致性 一致性图表(Consistency Chart) 数据
  • Anychart图表组件-Flash图转IMG普通图的方法 白糖_ Flash
    问题背景：项目使用的是Anychart图表组件，渲染出来的图是Flash的，往往一个页面有时候会有多个flash图，而需求是让我们做一个打印预览和打印功能，让多个Flash图在一个页面上打印出来。   那么我们打印预览的思路是获取页面的body元素，然后在打印预览界面通过$("body").append(html)的形式显示预览效果，结果让人大跌眼镜：Flash是
  • Window 80端口被占用 WHY? bozch 端口占用window
    平时在启动一些可能使用80端口软件的时候，会提示80端口已经被其他软件占用，那一般又会有那些软件占用这些端口呢？    下面坐下总结：         1、web服务器是最经常见的占用80端口的，例如：tomcat , apache  , IIS , Php等等；         2
  • 编程之美-数组的最大值和最小值-分治法（两种形式） bylijinnan 编程之美
    import java.util.Arrays; public class MinMaxInArray { /** * 编程之美 数组的最大值和最小值 分治法 * 两种形式 */ public static void main(String[] args) { int[] t={11,23,34,4,6,7,8,1,2,23}; int[]
  • Perl正则表达式 chenbowen00 正则表达式perl
    首先我们应该知道 Perl 程序中，正则表达式有三种存在形式，他们分别是： 匹配：m/<regexp>;/ （还可以简写为 /<regexp>;/ ，略去 m） 替换：s/<pattern>;/<replacement>;/ 转化：tr/<pattern>;/<replacemnt>;
  • [宇宙与天文]行星议会是否具有本行星大气层以外的权力呢? comsci
          举个例子: 地球,地球上由200多个国家选举出一个代表地球联合体的议会,那么现在地球联合体遇到一个问题,地球这颗星球上面的矿产资源快要采掘完了....那么地球议会全体投票,一致通过一项带有法律性质的议案,既批准地球上的国家用各种技术手段在地球以外开采矿产资源和其它资源........    &
  • Oracle Profile 使用详解 daizj oracleprofile资源限制
    Oracle Profile 使用详解 转 一、目的： Oracle系统中的profile可以用来对用户所能使用的数据库资源进行限制，使用Create Profile命令创建一个Profile，用它来实现对数据库资源的限制使用，如果把该profile分配给用户，则该用户所能使用的数据库资源都在该profile的限制之内。 二、条件： 创建profile必须要有CREATE PROFIL
  • How HipChat Stores And Indexes Billions Of Messages Using ElasticSearch & Redis dengkane elasticsearchLucene
    This article is from an interview with Zuhaib Siddique, a production engineer at HipChat, makers of group chat and IM for teams. HipChat started in an unusual space, one you might not
  • 循环小示例，菲波拉契序列，循环解一元二次方程以及switch示例程序 dcj3sjt126com c算法
    # include <stdio.h> int main(void) { int n; int i; int f1, f2, f3; f1 = 1; f2 = 1; printf("请输入您需要求的想的序列："); scanf("%d", &n); for (i=3; i<n; i
  • macbook的lamp环境 dcj3sjt126com lamp
      sudo vim /etc/apache2/httpd.conf   /Library/WebServer/Documents 是默认的网站根目录   重启Mac上的Apache服务   这个命令很早以前就查过了，但是每次使用的时候还是要在网上查： 停止服务：sudo /usr/sbin/apachectl stop 开启服务：s
  • java ArrayList源码 下 shuizhaosi888 ArrayList源码
    版本 jdk-7u71-windows-x64   JavaSE7 ArrayList源码上：http://flyouwith.iteye.com/blog/2166890     /** * 从这个列表中移除所有c中包含元素 */ public boolean removeAll(Collection<?> c) {
  • Spring Security（08）——intercept-url配置 234390216 Spring Securityintercept-url访问权限访问协议请求方法
    intercept-url配置 目录 1.1     指定拦截的url 1.2     指定访问权限 1.3     指定访问协议 1.4     指定请求方法   1.1   &n
  • Linux环境下的oracle安装 jayung oracle
    linux系统下的oracle安装 本文档是Linux(redhat6.x、centos6.x、redhat7.x) 64位操作系统安装Oracle 11g(Oracle Database 11g Enterprise Edition Release 11.2.0.4.0 - 64bit Production)，本文基于各种网络资料精心整理而成，共享给有需要的朋友。如有问题可联系：QQ：52-7
  • hotspot虚拟机 leichenlei javaHotSpotjvm虚拟机文档
    JVM参数  http://docs.oracle.com/javase/6/docs/technotes/guides/vm/index.html   JVM工具 http://docs.oracle.com/javase/6/docs/technotes/tools/index.html   JVM垃圾回收 http://www.oracle.com
  • 读《Node.js项目实践：构建可扩展的Web应用》 ——引编程慢慢变成系统化的“砌砖活” noaighost Webnode.js
    读《Node.js项目实践：构建可扩展的Web应用》 ——引编程慢慢变成系统化的“砌砖活” 眼里的Node.JS 初初接触node是一年前的事，那时候年少不更事。还在纠结什么语言可以编写出牛逼的程序，想必每个码农都会经历这个月经性的问题：微信用什么语言写的？facebook为什么推荐系统这么智能，用什么语言写的？dota2的外挂这么牛逼，用什么语言写的？……用什么语言写这句话，困扰人也是阻碍
  • 快速开发Android应用 rensanning android
    Android应用开发过程中，经常会遇到很多常见的类似问题，解决这些问题需要花时间，其实很多问题已经有了成熟的解决方案，比如很多第三方的开源lib，参考 Android Libraries 和 Android UI/UX Libraries。 编码越少，Bug越少，效率自然会高。 但可能由于 根本没听说过、听说过但没用过、特殊原因不能用、自己已经有了解决方案等等原因，这些成熟的解决
  • 理解Java中的弱引用 tomcat_oracle java工作面试
    　不久之前，我 面试了一些求职Java高级开发工程师的应聘者。我常常会面试他们说，“你能给我介绍一些Java中得弱引用吗？”，如果面试者这样说，“嗯，是不是垃圾回收有关的？”，我就会基本满意了，我并不期待回答是一篇诘究本末的论文描述。 　　然而事与愿违，我很吃惊的发现，在将近20多个有着平均5年开发经验和高学历背景的应聘者中，居然只有两个人知道弱引用的存在，但是在这两个人之中只有一个人真正了
  • 标签输出html标签" target="_blank">关于标签输出html标签 xshdch jsp
    http://back-888888.iteye.com/blog/1181202 关于<c:out value=""/>标签的使用，其中有一个属性是escapeXml默认是true(将html标签当做转移字符，直接显示不在浏览器上面进行解析)，当设置escapeXml属性值为false的时候就是不过滤xml，这样就能在浏览器上解析html标签， &nb
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他