D.Silver课程笔记

课程笔记·如何建立自己的品牌？

随着各种媒体的发展，我们在公共场所展示自己的机会越来越多，越来越方便，当你展示自己多了之后，总会给人留下印象，在这个时候，你可能已经在不知不觉间，对外传递了自己的品牌，但是这个品牌，是不是你真正想要表达出去的呢？如何快速的建立自己的个人品牌呢？首先要建立自己的精准定位：你是不是了解自己的优点，你的优点是不是可以在传播过程中被感知到？这里我们需要搞清楚一个概念，就是定位和人设的区别；在大众的认知里，
章鱼记·2023-01-26 03:44

《机器学习-吴恩达》课程笔记week8

目录ClusteringK-MeansAlgorithmOptimizationObjectiveRandomInitializationChoosingtheNumberofClustersMotivationMotivationI&II：DataCompressionPrincipalComponentAnalysisPrincipalComponentAnalysisProblemFormu
SofiaT·2023-01-25 14:30

李宏毅2022ML第三周课程笔记

目录李宏毅2022ML第三周课程笔记（三）--CNN为什么使用CNN？卷积Convolution和fullyconnectedlayer的关系。
梦想的小鱼·2023-01-25 11:43

深度学习课程笔记（一）CNN 卷积神经网络

深度学习课程笔记（一）CNN解析篇相关资料来自：http://speech.ee.ntu.edu.tw/~tlkagk/courses_ML17_2.html首先提到WhyCNNforImage?
a1424262219·2023-01-25 11:01

2019吴恩达机器学习课程笔记——week1——1.Introduction

2019吴恩达机器学习课程笔记——week1——1.Introduction一、WhatisMachineLearning?
weixin_30907523·2023-01-24 16:44

【CV】吴恩达机器学习课程笔记第18章

本系列文章如果没有特殊说明，正文内容均解释的是文字上方的图片机器学习|Coursera吴恩达机器学习系列课程_bilibili目录18应用案例：照片OCR18-1问题描述与流程(pipeline)18-2滑动窗口(slidingwindows)分类器18-3获取大量数据和人工数据合成18-4上限分析：下一步要做流水线中的哪一个18应用案例：照片OCR18-1问题描述与流程(pipeline)1.找
Fannnnf·2023-01-24 11:07

tensorflow2.0北大课程笔记（二）

第四章数据集构建数据增强图片增强ex：读取保存模型参数提取可视化acc/loss模型应用predict的输入是三维的卷积网络卷积计算单通道三通道感受野同样是55的图片经过两层33的卷积核作用和经过一层5*5的卷积核的感受野都是5，他们的提取能力是一样的，但是他们需要训练的参数不一样padding填充TF描述卷积层批标准化池化Dropout（舍弃）卷积是什么？卷积就是特征提取器，就是CBAPD,编写
cmzz·2023-01-24 11:21

【计算机视觉】计算机视觉与深度学习-09-可视化-北邮鲁鹏老师课程笔记

计算机视觉与深度学习-10-可视化-北邮鲁鹏老师课程笔记可视化第一层可视化第一层之后可视化中间层可视化可视化激活图最大化激活块倒数第二个全连接层最邻近降维哪些像素对分类不起作用遮挡实验（OcclusionExperiments
暖焱·2023-01-23 10:53

李沐《动手学深度学习》课程笔记：14 数值稳定性 + 模型初始化和激活函数

目录14数值稳定性+模型初始化和激活函数1.数值稳定性2.模型初始化和激活函数14数值稳定性+模型初始化和激活函数1.数值稳定性考虑一个具有L层、输入x和输出o的深层网络。每一层l由变换fl定义，该变换的参数为权重W(l)，其隐藏变量是h(l)（令h(0)=x）。我们的网络可以表示为：(4.8.1)h(l)=fl(h(l−1))因此o=fL∘…∘f1(x).如果所有隐藏变量和输入都是向量，我们可以
非文的NLP修炼笔记·2023-01-21 19:56

吴恩达《机器学习》课程笔记归纳（一）-- 初识机器学习

参考地址：https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes1.什么是机器学习一个年代近一点的定义，由TomMitchell提出，来自卡内基梅隆大学，Tom定义的机器学习是，一个好的学习问题定义如下，他说，一个程序被认为能从经验E中学习，解决任务T，达到性能度量值P，当且仅当，有了经验E后，经过P评判，程序在处理T时的性能有所提升。经验E就
aa_JamesJones·2023-01-21 17:16

大一上学期计算机考试笔记,上大一波学霸笔记曝光 笔记本里的青春 有着努力的痕迹...

近日，上海大学征集了部分同学的课程笔记，其中既有大一社区学院新生，也有已被推免到名校的学霸，他们纷纷晒出了自己的笔记。他们的学院、专业各不相同，但认真细致的学习态度，却能从那一页页的笔记中清晰透露。
AI科技评论·2023-01-21 14:36

【机器学习 吴恩达】2022课程笔记（持续更新）

一、机器学习1.1机器学习定义计算机程序从经验E中学习，解决某一任务T，进行某一性能P，通过P测定在T上的表现因经验E而提高eg：跳棋程序E：程序自身下的上万盘棋局T：下跳棋P：与新对手下跳棋时赢的概率1.2监督学习supervisedlearning1.2.1监督学习定义给算法一个数据集，其中包含了正确答案，算法的目的是给出更多的正确答案如预测房价（回归问题）、肿瘤良性恶性分类（分类问题）1.3
何梦吉他·2023-01-21 11:16

Python数据分析 - 机器学习笔记：第一章数据分析 - 1.4.4.其他统计图

前言：本文是学习网易微专业的《python全栈工程师》中的《数据分析-机器学习工程师》专题的课程笔记，欢迎学习交流。
WinvenChang·2023-01-21 10:06

吴恩达机器学习课程笔记.pdf

个人认为：吴恩达老师的机器学习课程，是初学者入门机器学习的最好的课程！我们整理了笔记（336页），复现的Python代码等资源，文末提供下载。课程简介课程地址：https://www.coursera.org/course/mlMachineLearning(机器学习)是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。它是人工智能的核心，
欣一2002·2023-01-21 08:18

吴恩达机器学习系列课程笔记——第五章：Octave教程(Octave Tutorial)

提示：这章选学，可以去学python，第六节可以看看。5.1基本操作https://www.bilibili.com/video/BV164411b7dx?p=26本章学习以种编程语言：Octave语言。你能够用它来非常迅速地实现这门课中我们已经学过的，或者将要学的机器学习算法。过去我一直尝试用不同的编程语言来教授机器学习，包括C++、Java、Python、Numpy和Octave。我发现当使用
Lishier99·2023-01-20 17:00

吴恩达机器学习系列课程笔记——第十四章：降维(Dimensionality Reduction)

14.1动机一：数据压缩https://www.bilibili.com/video/BV164411b7dx?p=79这个视频，我想开始谈论第二种类型的无监督学习问题，称为降维。有几个不同的的原因使你可能想要做降维。一是数据压缩，后面我们会看了一些视频后，数据压缩不仅允许我们压缩数据，因而使用较少的计算机内存或磁盘空间，但它也让我们加快我们的学习算法。但首先，让我们谈论降维是什么。作为一种生动的
Lishier99·2023-01-20 17:30

吴恩达机器学习系列课程笔记——第十一章：机器学习系统的设计(Machine Learning System Design)

11.1首先要做什么https://www.bilibili.com/video/BV164411b7dx?p=65在接下来的视频中，我将谈到机器学习系统的设计。这些视频将谈及在设计复杂的机器学习系统时，你将遇到的主要问题。同时我们会试着给出一些关于如何巧妙构建一个复杂的机器学习系统的建议。下面的课程的的数学性可能不是那么强，但是我认为我们将要讲到的这些东西是非常有用的，可能在构建大型的机器学习系
Lishier99·2023-01-20 17:59

吴恩达机器学习课程笔记1-2

19.5小时，112个视频先学定理再学概念1-3监督学习例子：预测房价--回归问题判断肿瘤是否良性—分类问题2.2代价函数找到Q0Q1的值，使得假设曲线与真实数据点尽可能的拟合如何得到Q0Q1–差的平方和最小，最小化问题代价函数J(Q0,Q1)，也被称为平方误差函数。目标：最小化代价函数还有其他形式的代价函数，但是平方误差代价函数是解决回归问题最常用的手段2.3代价函数一让假设函数更加简单----
海星？海欣！·2023-01-20 14:12

1.吴恩达机器学习课程笔记：多元梯度下降法

1.吴恩达机器学习课程笔记：多元梯度下降法笔记来源：吴恩达机器学习课程笔记：多元梯度下降法仅作为个人学习笔记，若各位大佬发现错误请指正1.1多元特征（变量）每一列代表一个特征，例如：房屋大小、卧室数量、
Uncertainty!!·2023-01-20 14:39

【因果推断入门】【课程笔记3】

文章目录图模型结构因果模型Intransitivecase链状结构叉状结构对撞结构D-分隔模型检验和等价类乘积分解法则混淆变量观测数据和试验数据图模型结构因果模型x:treatment因果的发生是有先后顺序的（外生变量，内生变量）Intransitivecase链状结构叉状结构ExCh统计相关Ex->Ch因果相关应该关注分组数据下面这种情况都是因果通路（上：间接影响；下：直接影响），应该关注整体数
姬霓钛镁·2023-01-20 10:36

机器学习Machine Learning学习笔记——回归Regression

深度学习的课程笔记，参考李宏毅机器学习课程一、定义回归是通过输入特征向量来找到函数并输出数值标量。例如，深度学习应用于自动驾驶领域。
待落灯花·2023-01-20 08:15

mysql基础之DML、DQL语句

课程笔记Day25DDL语句DML语句DQL语句第一章DDL语句第01节操作数据库1、创建数据库简单的创建语法--语法格式：CREATEDATABASE数据库的名称;--案例代码:创建了一个数据库，数据库的名称叫做
阳光宅男dh·2023-01-19 05:08

22张深度学习精炼图笔记总结

这不仅仅是一份课程笔记，同时还是一套信息
小白学视觉·2023-01-18 23:25

Chapter1-2_Speech_Recognition(LAS)

2.1ListenRNNEncoder1D-CNNEncoderSelf-attentinonEncoderDownSampling2.2Attend2.3Spell2.4BeamSearch2.5Training2.6BacktoAttention本文为李弘毅老师【SpeechRecognition-Listen,Attend,Spell】的课程笔记
zjuPeco·2023-01-18 19:45

机器学习（八）：CS229ML课程笔记（4）——生成学习，高斯判别分析，朴素贝叶斯

到目前为止，我们主要学习了学习算法模型：，在给定以θ为参数的x时y的分布。比如说逻辑回归模型：，g是sigmoidfunction。今天我们学的是一种不同的学习算法——生成学习算法。Part4生成模型、高斯判别分析、朴素贝叶斯1.判别学习算法和生成学习算法①判别学习算法（discriminativelearningalgorithm）：训练出一个总模型，把新来的样本放到这个总模型中，直接根据总模型
玥晓珖·2023-01-18 17:08

斯坦福CS229机器学习课程笔记四：GDA、朴素贝叶斯、多项事件模型

距离上一篇笔记竟然快要一个月了……希望这周能把cs229监督学习部分的知识搞定。生成学习与判别学习像逻辑回归，用hθ(x)=g(θTx)直接地来建模p(y|x;θ)；或者像感知机，直接从输入空间映射到输出空间（0或1），它们都被称作判别学习（discriminativelearning）。与之相对的是生成学习（generativelearning），先对p(x|y)与p(y)建模，然后通过贝叶斯法
diezhangu4106·2023-01-18 17:04

最短路径(Dijkstra算法)

思路设置一个集合S存放已经找到最短路径的顶点，并设置一个源点，dist[]数组中存放源点距离每个顶点的最短距离，path[]数组中存放的是最短路径，基本过程可以如下描述：（下图来自懒猫老师的《数据结构》相关课程笔记
想写好代码的小猫头·2023-01-18 16:48

吴恩达机器学习课程笔记(英文授课) Lv.1 新手村（回归）

目录1-1机器学习的相关名词1-2什么是机器学习？1.definition定义2.主要的机器学习算法的分类1-3有监督学习及常用算法1.定义2.两种数据类型补充：categoricaldata离散（分类型）数据与numericaldata连续（数值型）数据3.有监督学习与回归问题、分类问题的关系1-4无监督学习1.定义2.无监督学习之聚类算法的现实应用2-1第一个学习算法—线性回归算法1.课程中符
玉一·2023-01-18 12:01

吴恩达 机器学习课程笔记

吴恩达机器学习课程笔记学习视频第1章1-2什么是机器学习1-3监督学习(supervisedlearningalgorithm)1-4无监督学习(unsupervisedlearningalgorithm
那胖手在星球表面缓慢移动·2023-01-18 11:24

吴恩达机器学习课程笔记：模型描述、假设函数、代价函数

1.吴恩达机器学习课程笔记：模型描述、假设函数、代价函数吴恩达机器学习课程笔记：模型描述吴恩达机器学习课程笔记：代价函数仅作为个人学习笔记，若各位大佬发现错误请指正什么是模型？
Uncertainty!!·2023-01-18 11:19

深度学习CS231N学习笔记（从9到10）

九.介绍神经网络———反向传播CS231n课程笔记翻译：反向传播笔记-知乎专栏杜客Source译者注：本文智能单元首发，译自斯坦福CS231n课程笔记BackpropNote__，课程教师AndrejKarpathy
garrulousabyss·2023-01-18 11:31

斯坦福CS231n课程笔记纯干货2

11.神经网络的数据预处理均值减法（Meansubtraction）是预处理最常用的形式。它对数据中每个独立特征减去平均值，从几何上可以理解为在每个维度上都将数据云的中心都迁移到原点。在numpy中，该操作可以通过代码X-=np.mean(X,axis=0)实现。而对于图像，更常用的是对所有像素都减去一个值，可以用X-=np.mean(X)实现，也可以在3个颜色通道上分别操作。归一化（Normal
marsjhao·2023-01-18 11:30

深度学习（十四）：数据增强Data Augmentation

编程语言：Python参考资料：吴恩达老师的深度学习系列视频吴恩达老师深度学习笔记整理深度学习500问唐宇迪深度学习入门视频课程笔记下载：深度学习个人笔记完整版为什么要使用数据增强数据增强，也称数据扩充
打不死的小黑·2023-01-18 10:10

林轩田之机器学习课程笔记（ combining predictive features之blending and bagging）（32之23）

概要为什么要做模型聚合投票制的blending线性以及任意的blendingbagging方式欢迎转载，可以关注博客：http://blog.csdn.net/cqy_chen对于模型融合可以参考：http://scikit-learn.org/stable/modules/ensemble.htmlblending的参考代码：https://heamy.readthedocs.io/en/lat
cqychen·2023-01-17 14:38

吴恩达机器学习课程笔记：监督学习、无监督学习

1.吴恩达机器学习课程笔记：监督学习、无监督学习吴恩达机器学习系列课程：监督学习吴恩达机器学习系列课程：无监督学习仅作为个人学习笔记，若各位大佬发现错误请指正机器学习的学习算法：监督学习、无监督学习、半监督学习
Uncertainty!!·2023-01-16 17:31

图像处理、分析、识别、应用的课程笔记，PPT/PDF课件，计算机视觉中的机器学习、目标识别、分割、文本识别、fMRI 分析、运动和追踪等在线视频教程

包括图像处理、分析、识别、应用的课程笔记，PPT/PDF课件，计算机视觉中的机器学习、目标识别、分割、文本识别、fMRI分析、运动和追踪等在线视频教程。
u013476464·2023-01-16 10:19

gitchat训练营15天共度深度学习入门课程笔记(十三)

第7章卷积神经网络7.5CNN的实现7.6CNN的可视化7.6.1第1层权重的可视化7.6.2基于分层结构的信息提取7.7具有代表性的CNN7.7.1LeNet7.7.2AlexNet7.5CNN的实现CNN各层示意图：隐藏层：Convolution-ReLU-Pooling输出层的前一层：Affine-ReLU输出层：Affine-SoftmaxSimpleConvNet初始化：参数和函数：in
weixin_43114885·2023-01-16 08:21

gitchat训练营15天共度深度学习入门课程笔记(九)

第6章与学习相关的技巧6.1学习过程中参数更新最优化方法6.1.2SGD1.SGD的实现2.SGD的缺点6.1.4Momentum1.Momentum公式2.Momentum的实现6.1.5AdaGrad1.AdaGrad的公式2.AdaGrad的实现6.1.6Adam1.Adam的特点2.Adam的实现6.1.8基于MNIST数据集的更新方法的比较6.2权重初始值的设置方法6.2.2隐藏层的激活
weixin_43114885·2023-01-16 08:50

gitchat训练营15天共度深度学习入门课程笔记(十)

第6章与学习相关的技巧6.4正则化抑制过拟合的方法6.4.2权值衰减6.4.3Dropout6.5超参数的验证6.5.1验证数据6.5.2超参数的最优化6.5.3超参数最优化的实现6.4正则化神经网络发生过拟合的原因：模型拥有大量参数、表现力强训练数据少为了制造过拟合的神经网络来表现实验情况，选择了以下条件：训练数据：Minist数据集里的300（60000:300）个训练数据神经网络层数：7层隐
weixin_43114885·2023-01-16 08:50

gitchat训练营15天共度深度学习入门课程笔记(八)

第5章误差反向传播法5.4简单层的实现5.4.1乘法层的实现5.4.2加法层的实现5.5激活函数层的实现5.5.1ReLU层5.5.2Sigmoid层5.6Affine/Softmax层的实现5.6.1Affine层5.6.2批版本的Affine层5.6.3Softmax-with-Loss层5.7误差反向传播法的实现5.7.1神经网络学习的全貌图5.7.2对应误差反向传播法的神经网络的实现5.7
weixin_43114885·2023-01-16 08:50

吴恩达深度学习课程笔记

1.逻辑回归、梯度下降法、向量化2.广播、关于numpy向量的说明3.神经网络、激活函数、随机初始化4.超参数、划分数据集、偏差与方差、正则化5.
劳埃德·福杰·2023-01-15 16:17

《电磁场与电磁波》课程笔记（一）——矢量与坐标系

第一课课程主要内容只上前五章前言电场磁场电磁波物质属性电磁场与电磁波是客观存在的一种物质，因为它具有物质的两种重要属性：能量和质量。但是，电磁场与电磁波的质量极其微小，因此，通常仅研究电磁场与电磁波的能量特性。场与介质电磁场与电磁波既然是一种物质，它的存在和传播无需依赖于任何介质.当空间存在介质时，在电磁场的作用下介质中会发生极化与磁化现象，结果在介质中又产生二次电场及磁场，从而改变了介质中原先的
Sandwich66·2023-01-15 13:22

吴恩达机器学习课程笔记（持续更新ing）

1.1什么是机器学习？定义：机器学习是用数据或以往的经验，以此优化计算机程序的性能标准。解释：计算机程序从经验E中学习，解决某一任务T，进行某一性能度量P，通过P测定在T上的表现因经验E而提高。例如：跳棋游戏E：程序与自己下几万次跳棋T：玩跳棋P：与新对手玩跳棋时赢的概率1.2监督学习定义：给算法一个数据集，其中包含了正确答案，算法的目的就是给出更多的正确答案。回归问题：目的：预测连续的数值例如：
最爱吃兽奶638·2023-01-15 11:15

Elasticsearch分布式引擎7.x,2021黑马详细课程笔记

文章目录一、ES的一些概念1.1索引和映射ELS与Mysql的对比2.创建索引库：2.1mapping映射属性2.2索引库的CRUD2.2.1创建索引库和映射2.2.2查询数据库：2.2.3修改索引库，添加新字段2.2.4.删除索引库2.2.5总结3.文档操作3.1.新增文档查询文档3.3删除文档3.4修改文档3.4.2只修改Id匹配的文档中的部分字段3.5总结4RestAPI--javaClie
要去北上广的sakura·2023-01-15 07:27

Andrew Ng Machine Learning 专题【Introduction】

此文是斯坦福大学，机器学习界superstar—AndrewNg所开设的Coursera课程：MachineLearning的课程笔记。力求简洁，仅代表本人观点，不足之处希望大家探讨。
IronYoung·2023-01-14 11:46

蓝桥杯单片机学习笔记

目录前言一、基础代码二、相关特殊功能寄存器三、课程笔记
m0_63848870·2023-01-14 08:36

吴恩达deeplearning.ai系列课程笔记+编程作业(7)第二课 改善深层神经网络-第三周 超参数调试、Batch正则化和程序框架（Hyperparameter tuning）

第二门课改善深层神经网络：超参数调试、正则化以及优化(ImprovingDeepNeuralNetworks:Hyperparametertuning,RegularizationandOptimization)第三周超参数调试、Batch正则化和程序框架（Hyperparametertuning）文章目录第二门课改善深层神经网络：超参数调试、正则化以及优化(ImprovingDeepNeural
geekxiaoz·2023-01-14 07:09

机器学习 | 李宏毅课程笔记（一）基本概念

什么是机器学习？让机器具备自动找到一个函数function的能力（函数f输入x—输出f(x)）应用函数输入函数输出语音识别声音信号音频对应文字图像分类图片图片内包含内容AlphaGo下围棋黑白棋的位置下一步应该落子的位置2.机器学习的三大任务任务函数输出实例Regression回归连续数值PM2.5预测Classification分类二分类（BinaryClassification）离散的值（从设
Hygge0+·2023-01-11 20:06

【深度学习】02-01-机器学习任务攻略-李宏毅老师21&22深度学习课程笔记

02-01-机器学习任务攻略FrameworkofMLGeneralGuideLargeLossonTrainingDataSolution1:ModelBias（MakeYourModelComplex）Solution2：OptimizationIssueWhichOne?GainingtheinsightsfromcomparisonStartfromshallowernetworks(or
暖焱·2023-01-11 20:04

利用fft计算时域卷积重叠法保留_【GAMES101-现代计算机图形学课程笔记】Lecture 06 光栅化 2 (反走样)...

1.回顾和本节摘要1.1上一节内容回顾ViewingView+Projection+Viewport（将cuboid变换到屏幕空间）RasterizingtrianglesPoint-in-triangletestAliasing：像素引起的锯齿状失真。1.2本节内容概要：AntialiasingSamplingtheoryAntialiasinginpracticeVisibility/occl
weixin_39747568·2023-01-11 13:04
上一页 22 23 24 25 26 27 28 29 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他