机器学习与深度学习

小白初识神经网路

1.人工智能、机器学习与深度学习1.1人工智能：努力将通常由人类完成的智力任务自动化。因此，人工智能是一个综合性的领域，不仅包括机器学习与深度学习，还包括更多不涉及学习的方法。
小白不白nie·2020-08-19 00:29

深度学习（1）：概论 深度学习简介

机器学习与深度学习机器学习主要是利用各种模型实现一个复杂的多元函数。这个函数的自变量是我们已知的各种信息，函数的值是我们要预测的信息。例如：我们利用
awake020·2020-08-17 17:31

【深度学习】【PaddlePaddle】DAY 2 - 零基础入门深度学习（一）

深度学习课程DAY2-零基础入门深度学习Chapter1零基础入门深度学习1前言（1）学习路径（2）课程准备（3）课程特色2机器学习与深度学习2.1三个概念的定义和关系（1）人工智能、机器学习、深度学习的关系
Venistar·2020-08-17 10:30

视频教程-深度学习经典论文与开源项目实战-深度学习

参与多个国家级计算机视觉项目，多年数据领域培训经验，丰富的教学讲解经验，出品多套机器学习与深度学习系列课程，课程生动形象，风格通俗易懂。
weixin_34566773·2020-08-17 03:34

视频教程-Ai工程师-自然语言处理实战课程-机器学习

参与多个国家级计算机视觉项目，多年数据领域培训经验，丰富的教学讲解经验，出品多套机器学习与深度学习系列课程，课程生动形象，风格通俗易懂。
weixin_32391965·2020-08-16 09:44

深度学习 - 概述 | 神经网络

文章目录深度学习概述引言机器学习与深度学习对比神经网络简介神经元突触人工神经网络神经网络基本结构神经网络训练过程正向传播（FP-ForwardPropagation）反向传播（BP-BackwardPropagation
Rakish Leilie·2020-08-15 03:03

视频教程-深度学习框架-PyTorch实战-深度学习

参与多个国家级计算机视觉项目，多年数据领域培训经验，丰富的教学讲解经验，出品多套机器学习与深度学习系列课程，课程生动形象，风格通俗易懂。
weixin_33862564·2020-08-13 21:53

机器学习与深度学习（二） k近邻分类算法 (K-Nearest Neighbor) KNN

____tz_zs学习笔记k近邻分类算法(K-NearestNeighbor)KNN为了判断未知实例的类别，以所有已知类别的实例作为参照选择参数K计算未知实例与所有已知实例的距离选择最近K个已知实例根据少数服从多数的投票法则(majority-voting)，让未知实例归类为K个最邻近样本中最多数的类别优化：考虑距离，根据距离加上权重EuclideanDistance欧几里得距离算法优点简单易于理
tz_zs·2020-08-13 19:06

深度学习入门之PyTorch学习笔记

本文从机器学习与深度学习的基础理论入手，从零开始学习PyTorch以及如何使用PyTorch搭建模型。学习机器学习中的线性回归、Logistic回归、深度学习的优化方法、多层全连接神经网络、
紫芝·2020-08-13 10:33

机器学习与深度学习核心知识点总结(一)

作者|小小挖掘机来源|SIGAI数学1.列举常用的最优化方法梯度下降法牛顿法，拟牛顿法坐标下降法梯度下降法的改进型如AdaDelta，AdaGrad，Adam，NAG等。2.梯度下降法的关键点梯度下降法沿着梯度的反方向进行搜索，利用了函数的一阶导数信息。梯度下降法的迭代公式为：根据函数的一阶泰勒展开，在负梯度方向，函数值是下降的。只要学习率设置的足够小，并且没有到达梯度为0的点处，每次迭代时函数值
CDA·数据分析师·2020-08-12 14:29

【机器学习与深度学习理论要点】17. 决策树分类，支持向量机

决策树分类决策树分类和决策树回归思想基本相同，不同的是，决策树分类器输出为离散值。通过决策树进行分支处理，最后落到叶子节点上，使用投票的方式来决定预测结果属于哪个类别。支持向量机1）什么是支持向量机？支持向量机是一种二分类模型，它的目的是寻找一个超平面来对样本进行分割，分割的原则是间隔最大化。所谓“支持向量机”，就是下图中虚线穿过的边缘点。支持向量机就对应着能将数据正确划分并且间隔最大的直线。2）
yegeli·2020-08-12 14:46

【机器学习与深度学习理论要点】15. 什么是决策树？决策树的特点及使用情况

1）什么是决策树？决策树的核心思想是：相似的输入必然产生相似的输出。决策树通过把数据样本分配到树状结构的某个叶子节点来确定数据集中样本所属的分类。决策树可用于回归和分类。当用于回归时，预测结果为叶子节点所有样本的均值。2）决策树的特点①优点简单易懂，容易解释，可视化，适用性广。可用于分类、回归问题。②缺点容易过拟合。数据中的小变化会影响结果，不稳定。每一个节点的选择都是贪婪算法，不能保证全局最优解
yegeli·2020-08-12 14:46

【机器学习与深度学习理论要点】13. 什么是线性回归，线性回归特点及使用情况

1）什么是线性回归线性回归是指：通过数据样本，找到一个最佳拟合数据样本的线性模型，并用于预测。线性方程的一般表达形式为：y=w0+w1xy=w_0+w_1xy=w0+w1x其中，x和y为已知，w0,w1w_0,w_1w0,w1是要经过学习获得的参数。2）什么情况下使用线性回归数据样本呈线性分布。在二维平面中，线性分布的特征是，数据呈一个狭长的条状分布，并且没有明显弯曲。已知模型为线性模型。3）线性
yegeli·2020-08-12 14:15

【机器学习与深度学习理论要点】14. 什么是多项式回归？多项式回归特点及使用情况

1）什么是多项式回归？多项式回归是指：根据样本数据，用高次多项式模型来最佳程度拟合样本的回归方法。多项式回归中，加入了特征的更高次方（例如平方项或立方项），也相当于增加了模型的自由度，用来捕获数据中非线性的变化。多项式回归模型一般表达式为：y=w0+w1x+w2x2+w3x3+...+wnxny=w_0+w_1x+w_2x^2+w_3x^3+...+w_nx^ny=w0+w1x+w2x2+w3x3
yegeli·2020-08-12 14:15

【机器学习与深度学习理论要点】16. 什么是二元分类，朴素贝叶斯分类？

二元分类1）什么是二元分类？二元分类又称逻辑回归，是将一组样本划分到两个不同类别的分类方式。2）如何实现二元分类逻辑回归属于广义线性回归模型，使用线性模型计算函数值，在通过逻辑函数将联系值进行离散化处理。逻辑函数又称sigmoid函数，表达式为：y=11+e−ty=\frac{1}{1+e^{-t}}y=1+e−t1该函数能将(−∞,+∞)(-\infty,+\infty)(−∞,+∞)的值压缩到
yegeli·2020-08-12 14:15

机器学习与深度学习

1.机器学习MachingLearning卡内基梅隆大学的TomMichaelMitchell教授在1997年出版的书籍MachineLearning中对机器学习进行过非常专业的定义，这个定义在学术界内被多次引用。具体定义为：“如果一个程序可以在任务T上，随着经验E的增加，效果P也可以随之增加，则称这个程序可以从经验中学习”机器学习是实现人工智能的一种有效手段，目前业界的主要突出应用领域有：计算机
yoohsummer·2020-08-12 12:23

【深度之眼花书训练营第五期】+ 机器学习与深度学习的区别

机器学习是什么首先我们来看一些经典的机器学习案例机器学习其实就是一个“黑箱子”，有一个输入，有一个输出，比如说上面的语音识别，输入就是一段语音，输出就是语音的识别结果。图片中的f代表的就是黑箱子，其实就是函数关系的映射，比如它接受的是一段语音，输出的是一段文字，机器学习的本质其实就是一个映射。具体关系见下图对于图像来说，输入的是一张手写体图片“2”，输出结果是数字2。对于天气来说，输入是前几天的数
qq_35749407·2020-08-12 12:16

视频教程-机器学习导论(理论课程全面录制)-机器学习

机器学习导论(理论课程全面录制)乐川科技有限公司CEO，人工智能培训讲师，专业从事机器学习与深度学习培训。
weixin_32153439·2020-08-10 02:12

视频教程-机器学习概论--入门精讲视频-机器学习

机器学习概论--入门精讲视频乐川科技有限公司CEO，人工智能培训讲师，专业从事机器学习与深度学习培训。
weixin_30385511·2020-08-08 23:43

（十六）通俗易懂理解——PCA主成分分析算法原理

以下是实例讲解主成分分析是如何做的，至于数学原理，有待以后补充（好像给自己挖了很多细节上的坑，内容太多了，现在就是想不断知道常用机器学习与深度学习的主流算法运用，至于细节原理还是需要后面慢慢啃）。
Dreamdreams8·2020-08-08 11:23

【布道师系列】周晓凌——乘风而来，利用数据科学平台解决运筹学问题

不仅仅是机器学习近年来机器学习与深度学习快速发展，极大地吸引了人们的眼球，甚至有将人工智能（AI）等价于深度学习的趋势。
DataCanvas数据科学平台·2020-08-05 08:23

深度学习入门笔记之PyTorch

ArtificialNarrowIntelligence,ANI)(2)强人工智能(ArtificialGeneralIntelligence,AGI)(3)超人工智能(ArtificialSuperintelligence,ASI)1.2数据挖掘、机器学习与深度学习
忆_恒心·2020-08-04 17:46

2020李宏毅机器学习与深度学习——Logistic Regression

Step1.FunctionSetStep2.GoodnessofaFunctionStep3.FindthebestfunctionStep1：我们这里有一个LogisticRegression作为Function。Step2：衡量我们程式的好坏。假设我们有一组训练集(Xn,Ci)，这组训练集是根据我们这个几率函数产生的，那给我们一组w和b，我们就可以得到它们产生训练集的几率，最好的参数w和b就
gohna·2020-08-04 09:48

浅谈人工智能之机器学习，机器学习之监督学习

浅谈机器学习与深度学习的区别在人类历史发展的这个阶段，我们所谈的AI（artificialintelligence）主要指的是弱人工智能（narrowAI），也就是机器可以实现帮助人类实现一些任务，比如小区入口的业主人脸识别
lupo_guo·2020-08-01 09:15

视频教程-Python数据科学常用工具包视频教程-机器学习

参与多个国家级计算机视觉项目，多年数据领域培训经验，丰富的教学讲解经验，出品多套机器学习与深度学习系列课程，课程生动形象，风格通俗易懂。
weixin_30354057·2020-08-01 03:49

视频教程-Python机器学习--四大基础库-机器学习

参与多个国家级计算机视觉项目，多年数据领域培训经验，丰富的教学讲解经验，出品多套机器学习与深度学习系列课程，课程生动形象，风格通俗易懂。
weixin_30072533·2020-08-01 03:55

机器学习与深度学习开发环境Python3.6（win10-64）全新自主安装过程

Python工作环境有多种安装方法，比如Anaconda，但是本文是以自主方式安装、搭建机器学习与深度学习Python开发环境，以此方式方便深入了解、掌握各种工具包、第三方应用的使用管理，为了避免“重复造轮子
肖永威·2020-07-29 00:16

字符识别模型训练与验证

构建验证集在机器学习与深度学习模型的训练过程中，模型非常容易出现过拟合的现象。
happy1yao·2020-07-28 21:02

资料 | 白话深度学习与TensorFlow

基础篇（第1～3章），讲解了机器学习、深度学习与实践的上下文知识，如基本的机器学习与深度学习算法，TensorFlow框架的安全与配置，简单的深度学习实践。该篇是阅读和实践的基石。
AI 研习社·2020-07-28 09:38

参数优化

**优化器的使用：**在机器学习与深度学习中，主要应用于梯度下降。
白玉杰·2020-07-28 08:21

介绍一下深度学习网络，如何工作的，有哪些参数，结果如何优化（实际上想问哪些优化器），参数如何初始化，平时如何调参，调哪些参数

优化器的使用：在机器学习与深度学习中，主要应用于梯度下降。
白玉杰·2020-07-28 08:21

深度学习笔记一

1.深度学习笔记一1.1绪论（1）关于人工智能、机器学习与深度学习之间的关系：人工智能是一种科技领域，分为机器学习，数据挖掘（大概是大数据方向）以及其他方面如作为AL分支的NLP等。
脂环·2020-07-25 21:00

第一周作业：深度学习

人工智能与机器学习与深度学习的关系人工智能（目标）>机器学习（一类方法）>深度学习（一个方法）专家系统与机器学习专家系统主要由专家制定规则，应用于规则简单但是规模较大的问题；机器学习是通过训练模型（决策树
杨凯YK·2020-07-25 17:00

学习笔记——神经网络与深度学习

今天开始学习邱锡鹏老师的《机器学习与深度学习》材料：电子版PDF+课件+课后练习主要当做学习笔记记录一下。
黄小米吖·2020-07-16 06:56

U-net实现(keras)

本人小白一名，没有机器学习与深度学习的基础，但因为毕设紧迫。来不及系统学习，博客里记录学习过程，可能有很多地方理解并不正确，但会一边学习一边更正之前的内容。
normol·2020-07-16 04:44

【深度学习介绍系列】——前言

首先介绍下机器学习与深度学习：机器学习（MachineLearning）是一门专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能的学科。
荪荪·2020-07-15 18:36

【只推荐一位】专注于机器学习与深度学习的留学博士

大家好，我是北京交通大学的博士研究生，目前在美国西雅图华盛顿大学做博士联合培养，欢迎大家扫描二维码关注《当交通遇上机器学习》，以各类交通大数据为主线，专注于人工智能，机器学习、深度学习在轨道交通和道路交通的科研前沿与应用～公众号主要讲述：循环神经网络RNN、LSTM、卷积神经网络CNN、残差网络ResNet、自编码器AutoEncoder、图卷积神经网络GCN等在各类交通大数据（包括轨道交通刷卡数
算法channel·2020-07-15 10:30

叶梓老师 机器学习与深度学习培训提纲

课程时长】6天（6小时/天）【课程简介】人工智能的浪潮正在席卷全球，各种培训课程应运而生，但真正能让学员系统、全面掌握人工智能深度学习知识点，并且能学以致用的实战课程并不多见。本课程包含机器学习、深度学习的重要概念及常用算法（决策树、关联规则、聚类、贝叶斯网络、神经网络、支持向量机、隐马尔科夫模型、遗传算法、CNN、RNN、GAN等），以及人工智能领域当前的热点。通过6天的系统学习、案例讲解和动手
大数据AI人工智能专家培训讲师叶梓团队·2020-07-15 08:56

什么是机器学习工程师？

编者注：想要了解更多机器学习与深度学习方面最新进展，请查看2017年7月12-15日在北京举行的Strata数据大会。我们已经谈论数据科学和数据科学家有10年了。
OReillyData·2020-07-14 03:10

视频教程-【零基础】Python金融分析与量化交易实战-机器学习

参与多个国家级计算机视觉项目，多年数据领域培训经验，丰富的教学讲解经验，出品多套机器学习与深度学习系列课程，课程生动形象，风格通俗易懂。唐宇迪¥298.00立即订阅订阅后：请点击此处观看视频课程视频
weixin_28776647·2020-07-13 16:26

机器学习算法地图(转自SIGAI)

理解和记忆这张图，对你系统化的掌握机器学习与深度学习会非常有帮助！我们知道，整个机器学习算法可以分为有监督学习，无监督学习，
face_to·2020-07-13 04:17

深度学习里的损失函数与交叉熵

1.MSE损失函数损失函数是机器学习与深度学习里面的重要概念。从名字上就可以看出，损失函数(LossFunction)反应的是模型对数据的拟合程度。一般来说，损失函数越小，说明模型对数据的拟合也越好。
bitcarmanlee·2020-07-12 21:50

机器学习与深度学习入门（一）

在深入研究机器学习与深度学习之前我们需要了解一些基本概念，机器学习中的很多公式就是从这些基本概念和基本公式中推演发展出来的。
RicardoZiTseng·2020-07-12 05:15

清华科技大讲堂-《机器学习与深度学习中的数学》讲稿

内容提要需要哪些数学知识微积分线性代数与矩阵论概率论信息论最优化方法随机过程图论需要哪些数学知识现状分析数学是给机器学习、深度学习的初学者和进阶者造成困难的主要原因之一国内本科数学教学方式、学生学习质量上存在的不足-过于抽象，偏重于计算，忽视了对数学思维、建模能力的培养-清华大学换用国外线性代数教材事件，如果结合一些具体的例子来讲解会好很多某些数学知识超出了本科一般理工科专业的范畴-矩阵论/矩阵分
fklk·2020-07-12 03:50

[机器学习与深度学习] - No.2 遗传算法原理及简单实现

遗传算法(GeneticAlgorithm),顾名思义，就是模拟物种进化的过程，遵循“物竞天择，适者生存”的原则，随机化搜索的算法。遗传算法模拟种群演化过程，经历“选择”，“基因交叉”，“变异”等过程。遗传算法不保证一定能得到解，如果有解也不保证找到的是最优解，但若干代以后，理想状态下，染色体的适应度可能达到近似最优的状态。遗传算法的最大优点就是，我们不需要知道怎么去解决一个问题，获得最优解。你需
ObsessionLife·2020-07-12 01:04

商品图像识别是什么？如何实现图像识别呢？

正如我们在AI、机器学习与深度学习的区别一文中提到的那样，人
折纸666·2020-07-11 18:55

机器学习与深度学习视频教程网址

机器学习https://www.bilibili.com/video/av17817194/?spm_id_from=333.788.videocard.3莫烦Python教程https://www.bilibili.com/video/av16001891/?p=11对应的代码https://github.com/MorvanZhou/tutorials北京大学人工智能实践https://www
风口上的传奇·2020-07-11 03:03

机器学习与深度学习的区别，什么是TensorFlow？由什么组成？

机器学习和深度学习的区别1.特征提取方面：机器学习：手动进行特征工程深度学习：算法自动筛选提取适合用在难提取特征的图像，语音，自然语言领域2.数据量的大小：机器学习：数据量偏小深度学习：数据量非常大导致计算时间比较长，需要各种计算设备3.算法上的区别：机器学习：朴素贝叶斯，决策树等深度学习：神经网络4.应用场景图像，语音，文本其它的都可以进行尝试TensorFlow是一个采用数据流图（datafl
CheerForOneself·2020-07-10 21:25

视频教程-决胜AI-深度学习系列实战150讲-深度学习

参与多个国家级计算机视觉项目，多年数据领域培训经验，丰富的教学讲解经验，出品多套机器学习与深度学习系列课程，课程生动形象，风格通俗易懂。
weixin_30816931·2020-07-10 07:13

视频教程-机器学习30天进阶实战-机器学习

参与多个国家级计算机视觉项目，多年数据领域培训经验，丰富的教学讲解经验，出品多套机器学习与深度学习系列课程，课程生动形象，风格通俗易懂。
weixin_30564027·2020-07-10 06:00
上一页 3 4 5 6 7 8 9 10 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他