D.Silver课程笔记第30页

张子良知识图谱课程笔记

知识图谱的典型应用语义理解智能搜索：基于人的关键词直接匹配其摘要信息返回其摘要改造搜索引擎对外展示信息的方式智能问答：准备知识库，eg:EVI,Siri,头条智能问车辅助决策：IBM沃森系统医疗助手诊断疾病人工智能：感知能力认知能力服务能力知识图谱是人工智能进步的阶梯知识图谱的体系结构：知识获取（爬虫众包）→知识存储→知识表示→知识应用知识架构语义类型设计：节点分类的研究语义关系设计：节点与节点关

小鱼^^·2022-12-04 15:34

嵩天python课程笔记第二周：python基本图形绘制

第二周：python基本图形绘制2.1深入理解python语言2.1.1计算机技术的演进1946-1981：计算机系统结构时代-----CPU，操作系统…-----解决计算能力问题1981-2008：网络和视窗时代------Windows视窗操作系统，互联网-----解决人机交互（通过Windows视窗），机机交互（通过网络）2008安卓系统诞生2008-2016：复杂信息系统时代------云

妍妍_小姐·2022-12-04 13:58

第五课机器学习中的特征工程

本系列是七月算法机器学习课程笔记文章目录1特征工程与意义2数据与特征处理2.1数据采集2.2数据清洗2.3数据采样2.4特征处理2.4.1数值型2.4.2类别型2.4.3时间型2.4.3文本型2.4.4

约定写代码·2022-12-04 12:33

吴恩达深度学习编程作业（5-3）Part 2 - Trigger word detection

另外，本节课程笔记在此：《吴恩达Coursera深度学习课程DeepLearning.ai提炼笔记（5-3）–序列模型和注意力机制》，如有任何建议和问题，欢迎留言。

大树先生的博客·2022-12-04 04:12

CS231n课程笔记翻译：卷积神经网络笔记

译者注：本文翻译自斯坦福CS231n课程笔记ConvNetnotes，由课程教师AndrejKarpathy授权进行翻译。本篇教程由杜客和猴子翻译完成，堃堃和李艺颖进行校对修改。

刘二毛·2022-12-03 16:58

人工智能课程笔记(马少平著)

title:人工智能课程笔记date:2021-11-0514:11:24tags:AICourse考完AI了，把笔记保存一下吧。描述了一些关键知识的理解（因为抓紧复习所以有些地方写的并不详尽）。

一尾执念的鱼·2022-12-03 16:25

《人工智能及其应用》课程笔记（二）第2章知识表示方法

目录本章学习内容预备知识1、什么是知识？2、知识层次3、知识的属性4、知识表示的相关概念5、知识表示的基本方法2.1状态空间表示2.1.1问题状态描述1、主要概念2、实例—8数码难题2.1.2状态图示法1、相关概念2、实例—猴子与香蕉问题2.2问题归约表示2.2.1问题归约描述1、梵塔难题2.2.2与或图表示1、相关概念2、与或图构成规则2.3谓词逻辑表示2.3.1谓词演算1、语法和语义2、连词和

爱学习的小船·2022-12-03 16:53

《人工智能及其应用》课程笔记（三）第3章确定性推理

目录本章内容3.1图搜索策略3.2盲目搜索3.2.1搜索策略的对比3.2.2深度优先搜索-有限深度+迭代深度3.3启发式搜索3.3.1启发式搜索策略和估价函数3.3.2有序搜索1、A算法2、A*算法3.4消解原理3.4.1子句集的求取3.4.2消解推理规则3.4.3含有变量的消解式3.4.4消解反演求解过程3.5规则演绎系统3.6产生式系统3.6.1产生式系统的组成3.6.2产生式系统的推理3.7

爱学习的小船·2022-12-03 16:53

《人工智能及其应用》课程笔记（四）第4章非经典推理

目录本章内容4.1经典推理和非经典推理4.2不确定性推理4.2.1不确定性的表示和度量4.2.2不确定性的算法4.3概率推理4.3.1概率的基本性质和计算公式4.4主观贝叶斯方法4.4.1知识不确定性的表示4.4.2证据不确定性的表示4.4.3主观贝叶斯方法的推理过程4.5可信度方法4.5.1基于可信度的不确定性表示4.5.2可信度方法的推理算法重要公式总结：本章内容熟悉经典推理和非经典推理的区别

爱学习的小船·2022-12-03 16:53

高级人工智能课程笔记

课程部分笔记，依据《人工智能一种现代化方法》第三版目录智能概述搜索searchUninformedSearchInformedSearch约束满足问题CSPMDP值迭代方法策略迭代RL朴素贝叶斯其他智能概述RationalDecisions理性决策rational理性意味着最大化期望效用maximizeyourexpectedutilityAnagentisanentitythatperceive

Echo木·2022-12-03 16:22

《人工智能及其应用》课程笔记（一）第1章绪论

使用课本：《人工智能及其应用》第5版蔡自兴著，清华大学出版社目录第1章绪论1.1人工智能的定义与发展1.1.1人工智能的定义1.1.2人工智能的起源与发展1.2人工智能的各种认知观1.2.1人工智能各学派的认识观1.2.2人工智能的争议1.3人类智能与人工智能1.3.1智能信息处理系统的假设1.3.2人类智能的计算机模拟1.3.3人工智能对人类的影响1.4人工智能系统的分类1.4.1专家系统1.4

爱学习的小船·2022-12-03 16:19

Chapter1-3_Speech_Recognition(CTC, RNN-T and more)

1CTC2RNN-T3NeuralTransducer4MonotonicChunkwiseAttention5小结本文为李弘毅老师【SpeechRecognition-CTC,RNN-Tandmore】的课程笔记

zjuPeco·2022-12-03 06:37

Chapter1-5_Speech_Recognition(Alignment of HMM, CTC and RNN-T)

alignment2.1HMM的对齐2.2CTC的对齐2.3RNN-T的对齐3小结本文为李弘毅老师【SpeechRecognition-AlignmentofHMM,CTCandRNN-T(optional)】的课程笔记

zjuPeco·2022-12-03 06:37

5-1 Coursera吴恩达《序列模型》第一周课程笔记-循环序列网络(RNN)

记录吴恩达AndrewNg深度学习专项课程笔记，方便之后回顾，共5门课。

双木的木·2022-12-03 03:01

【课程笔记】李宏毅机器学习[12]：Recurrent Neural Network(RNN)

本系列课程笔记为李宏毅2017,秋，台湾大学课程。视频网址链接：https://www.bilibili.com/video/av15889450?

tjwyj·2022-12-02 21:38

2021李宏毅机器学习课程笔记——Recurrent Neural Network

注：这个是笔者用于期末复习的一个简单笔记，因此难以做到全面详细，有疑问欢迎大家在评论区讨论I.BasicIdea首先引入一个例子，槽填充(SlotFilling)问题：Input：IwouldliketoarriveGuangzhouonNovember2nd.Output：Destination=>Taipei|timeofarrival=>November2nd即需要在输入句子中提取出我们想了

xiongxyowo·2022-12-02 20:28

python数据分析课程笔记 | 第四章 Matplotlib数据可视化（上）

目录：4.1matplotlib绘图基础4.2简单图形绘制（1）饼图（2）条形图（3）直方图（4）散点图4.3图形基本设置4.4统计图形实战（1）柱状图（2）直方图（3）箱线图（4）散点图（5）折线图4.1matplotlib绘图基础importnumpyasnpimportmatplotlib.pyplotasplt#解决中文乱码问题plt.rcParams['font.sans-serif']

啥都不会的怪蜀黍·2022-12-02 11:56

机器学习课程笔记---支持向量机

引言机器学习三种方法：1、经典的参数估计方法局限性是需要样本的先验分布2、非线性方法，如ann局限性是全靠经验，缺少理论3、统计学习理论针对小样本误差：1、一般误差真实误差2、经验误差来自样本机器学习的目标是最小化一般误差，但是实际都是最小化经验误差支持向量机同时最小化经验风险和置信风险。vc维大，则拟合函数的维度高。svm基本型这里的泛化能力最大就是说，正负类间隔最大。对偶问题变成求aerfa。

野生蘑菇菌·2022-12-02 02:53

CS224W课程笔记第一章：绪论

（一）课程大纲如下：Traditionalmethods:Graphlets,GraphKernelsMethodsfornodeembeddings:DeepWalk,Node2VecGraphNeuralNetworks:GCN,GraphSAGE,GAT,TheoryofGNNsKnowledgegraphsandreasoning:TransE,BetaEDeepgenerativemod

人海无名里·2022-12-01 21:34

【笔记】机器学习 - 李宏毅 -- Explainable ML 可解释性机器学习

课程笔记前言两种可解释性：局部解释：为什么这种图是猫？全局解释：猫是什么样子的？为什么需要可解释机器学习？(打开黑盒)一般的提升效果的方法就是一顿暴调参数，可解释性可以帮助我们更好地提升模型性能。

Yanqiang_CS·2022-12-01 19:35

机器学习 | 李宏毅课程笔记（三）Optimization

【对上篇中Optimizationissue详细展开】目录为什么OptimizationFails？一、Gradient=0引起的Optimizationissue1.为什么讨论Criticalpoint？2.如何判断一个点是Localminima还是Saddlepoint呢？3.Saddlepoint如何进一步更新参数？4.Saddlepoint和Localminima哪个更加常见呢？5.如何对

Hygge0+·2022-12-01 19:01

机器学习 | 李宏毅课程笔记（二）深度学习任务攻略

【深度学习中的一些概念】神经网络的结构：https://www.bilibili.com/video/BV1bx411M7Zx梯度下降法（GradientDescent）：https://www.bilibili.com/video/BV1Ux411j7ri反向传播：https://www.bilibili.com/video/BV16x411V7Qg分段线性（piecewiselinear）：任

Hygge0+·2022-12-01 19:30

Big Data 导论&Hadoop&HDFS

BIGDATA课程笔记导论大数据的四大特征大量化、快速化、多样化、价值化大数据分析的三个特征全样而非抽样、效率而非精确、相关而非因果大数据处理模型：批处理：以“静止数据”为出发点，处理逻辑进来，算完后价值出去流数据

Tcoder-l3est·2022-12-01 11:15

深度学习Pytorch初步——Tensor张量

AI课程笔记——深度学习框架Pytorch文章目录AI课程笔记——深度学习框架Pytorch1pytorch基本数据类型1.1回顾：Python的6大数据类型1.2Pytorch数据类型：张量（一种）1.2.1

望尘�·2022-12-01 09:27

纽约大学深度学习PyTorch课程笔记（自用）Week6

纽约大学深度学习PyTorch课程笔记Week6Week66.1卷积网络的应用6.1.1邮政编码识别器使用CNN进行识别6.1.2人脸检测一个多尺度人脸检测系统6.1.3语义分割长程自适应机器人视觉中的卷积神经网络场景解析与标注

cosθ·2022-12-01 08:45

纽约大学深度学习PyTorch课程笔记（自用）Week5

纽约大学深度学习PyTorch课程笔记Week5Week55.1优化工具15.1.1梯度下降5.1.2随机梯度下降小批次处理5.1.3动量直观实用指南为什么动量有用？

cosθ·2022-12-01 08:14

纽约大学深度学习PyTorch课程笔记（自用）Week2

纽约大学深度学习PyTorch课程笔记Week22.Week22.1梯度下降和反向传播算法导论2.1.1梯度下降优化算法参数化模型梯度下降2.1.2在传统神经网络中随机梯度下降和反向传播算法的优势随机梯度下降的优势传统神经网络通过非线性函数进行反向传播通过加权和进行反向传播

cosθ·2022-12-01 08:14

纽约大学深度学习PyTorch课程笔记（自用）Week3

纽约大学深度学习PyTorch课程笔记Week3Week33.1神经网络参数变换可视化及卷积的基本概念3.1.1神经网络的可视化3.1.2参数变换一个简单的参数变换：权重共享超网络序列数据中的主题(motif

cosθ·2022-12-01 08:14

吴恩达机器学习课程笔记+代码实现(26)17.大规模机器学习(Large Scale Machine Learning)

17.大规模机器学习(LargeScaleMachineLearning)文章目录17.大规模机器学习(LargeScaleMachineLearning)17.1大型数据集的学习17.2随机梯度下降法17.3小批量梯度下降17.4随机梯度下降收敛17.5在线学习17.6映射化简和数据并行17.1大型数据集的学习如果我们有一个低方差的模型，增加数据集的规模可以帮助你获得更好的结果。我们应该怎样应对

geekxiaoz·2022-12-01 07:07

吴恩达机器学习系列课程笔记——第十七章：大规模机器学习(Large Scale Machine Learning)

17.1大型数据集的学习https://www.bilibili.com/video/BV164411b7dx?p=102接下来的课程，我们会学习大规模机器学习，也就是处理大型数据集的算法，对比之前的算法，我们拥有大量的数据集，使得我们的准确度更高，现在我们要学习如何处理大型数据集。为什么我们要学会处理大型数据集呢？我们之前学习过一种高性能的机器学习算法，是采用低偏差的学习算法，并用大数据进行训练

Lishier99·2022-12-01 07:04

机器学习课程笔记（第十周）大规模机器学习

课程链接https://www.coursera.org/learn/machine-learning参考文章https://www.cnblogs.com/maxiaodoubao/p/10222170.html大规模机器学习LargeScaleMachineLearning用来处理大数据的算法大数据集的学习LearningWithLargeDatasets如果有一个低方差的模型，通常通过增加数

骨骼惊奇不信邪·2022-12-01 07:57

【机器学习】课程笔记16_大规模机器学习(Large Scale Machine Learning)

大规模机器学习大型数据集的学习（LaerningwithLargeDatasets）随机梯度下降（StochasticGradientDescent）小批量梯度下降（Mini-BatchGradientDescent）随机梯度下降收敛（StochasticGradientDescentConvergence）在线学习（OnlineLearning）映射化简和数据并行（Map-ReduceandDa

雀栎·2022-12-01 07:49

4.3-python爬虫之图形验证码识别

Linux系统2、Mac系统3、Windows系统三、在命令行中使用tesseract识别图像四、在代码中使用tesseract识别图像五、用pytesseract处理网站图形验证码前言摘录自B站对应课程笔记不愧是清华大佬

Nosimper·2022-12-01 04:02

李宏毅2021春季机器学习课程笔记6：Self-attention

文章目录1.SophisticatedInput1.1Input1.2Output2.Self-attention2.1Process2.2Matrixtranspose2.3Multi-headSelf-attention2.4PositionalEncoding3.Others3.1Using3.2Self-attentionv.s.CNN3.2Self-attentionv.s.RNN3.2

Andy in boots·2022-12-01 02:38

【Pytorch深度学习实践】B站up刘二大人之LinearModel -代码理解与实现(1/9)

目录：【Pytorch深度学习实践】B站up刘二大人课程笔记——目录与索引（已完结）开篇几句题外话：刘二大人的课程我是从前天(4月5日)开始看的，今天看完了advancedcnn这部分，我做的也是图像，

nemo_0410·2022-11-30 22:21

【Pytorch深度学习实践】B站up刘二大人之SoftmaxClassifier-代码理解与实现(8/9)

这是刘二大人系列课程笔记的倒数第二个博客了，介绍的是多分类器的原理和代码实现，下一个笔记就是basicCNN和advancedCNN了；写在前面：这节课的内容，主要是两个部分的修改：一是数据集：直接采用了内置的

nemo_0410·2022-11-30 22:21

[pytorch深度学习Day03] 张量数据类型

浙江大学教授【深度学习框架PyTorch】课程笔记（https://www.bilibili.com/video/BV1wL4y1t7ah?

木又青·2022-11-30 19:43

小小几张图，把深度学习讲透彻

这不仅仅是一份课程笔记，同时还是一套信息图与备忘录。本文将从深度学习基础、卷积网络和循环网络三个方面介绍该笔记。一、深度学习基础1

AI科技大本营·2022-11-30 16:25

深度学习与人类语言处理-语音识别(part1)

深度学习与人类语言处理课程笔记，上节回顾深度学习与人类语言处理-introduction。这节课将会简单介绍语音识别的最新研究方法，请看正文语音识别该何去何从？

编程大乐趣·2022-11-30 15:27

吴恩达推荐笔记：22张图总结深度学习全部知识

这不仅仅是一份课程笔记，同时还是一套信息图与备忘录。从深度学习基础、卷积网络和循环网络三个方面介绍该笔记深度学习基础1.深度学习基本概念监督

程序员生活志·2022-11-30 08:09

吴恩达机器学习课程笔记5——过拟合和正则化

过拟合问题过度拟合：就是我们拟合一个高阶多项式，这个假设函数几乎可以拟合所有的数据，但是这个假设函数太过庞大，数量太大导致我们没有足够的数据去约束它。这幅图是以线性回归为例子，第一张图是欠拟合（高偏差），可以看出来它没有很好的拟合数据。第二张图拟合效果刚刚好。第三张图，就是过度拟合（高方差）。这幅图是以逻辑回归为例子，同样是欠拟合、恰好拟合、和过度拟合。那么怎样解决过度拟合的问题呢？主要有两类方法

土豆土豆谢·2022-11-30 07:58

吴恩达机器学习系列课程笔记——第七章：正则化(Regularization)

7.1过拟合的问题https://www.bilibili.com/video/BV164411b7dx?p=39到现在为止，我们已经学习了几种不同的学习算法，包括线性回归和逻辑回归，它们能够有效地解决许多问题，但是当将它们应用到某些特定的机器学习应用时，会遇到过**拟合(over-fitting)**的问题，可能会导致它们效果很差。在这段视频中，我将为你解释什么是过度拟合问题，并且在此之后接下来

Lishier99·2022-11-30 07:27

吴恩达老师机器学习课程笔记 07 正则化

7正则化7.1过拟合的问题过拟合的含义欠拟合是指拟合算法具有高偏差，数据拟合效果很差。过拟合是指拟合算法具有高方差，能拟合所有数据，但函数变量太多，没有足够的数据来约束，从而无法泛化到新的样本中。如果有非常多的特征，而只有非常少的训练数据，通过学习得到的模型可能能够非常好地适应训练集（代价函数可能几乎为0），但是可能会不能推广到新的数据。解决过拟合的方法减少特征的数量：可以手工选择保留更为重要的特

3077491278·2022-11-30 06:55

cs285深度强化学习课程笔记-lec1

cs285深度强化学习课程笔记lec1深度强化学习的概念核心观点智能机器必须能学会适应深度学习有助于处理非结构化的环境强化学习提供了一种行为范式深度强化学习提供了端到端的方案。

HarryChi·2022-11-29 18:54

吴恩达机器学习课程笔记+代码实现(25)16.推荐系统(Recommender Systems)

geekxiaoz·2022-11-29 09:45

吴恩达机器学习系列课程笔记——第十六章：推荐系统(Recommender Systems)

16.1问题规划https://www.bilibili.com/video/BV164411b7dx?p=96在接下来的视频中，我想讲一下推荐系统。我想讲推荐系统有两个原因：第一、仅仅因为它是机器学习中的一个重要的应用。在过去几年，硅谷不同的技术公司，吴恩达老师常和工作在这儿致力于机器学习应用的人们聊天，问他们觉得最重要的机器学习的应用是什么，或者他们最想改进的机器学习应用有哪些。我最常听到的答

Lishier99·2022-11-29 09:40

【原】Coursera—Andrew Ng机器学习—课程笔记 Lecture 16—Recommender Systems 推荐系统...

Lecture16RecommenderSystems推荐系统16.1问题形式化ProblemFormulation在机器学习领域，对于一些问题存在一些算法，能试图自动地替你学习到一组优良的特征。通过推荐系统(recommendersystems)，将领略一小部分特征学习的思想。假使有5部电影，3部爱情片、2部动作片。4个用户为其中的部分电影打了分。现在希望构建一个算法，预测每个人可能给没看过的电

weixin_30807677·2022-11-29 09:38

【机器学习】课程笔记14_异常检测(Anomaly Detection)

异常检测问题的动机（ProblemMotivation）高斯分布（GaussianDistribution）算法（Algorithm）开发和评估异常检测系统（DevelopingandEvaluatinganAnomalyDetectionSystem）异常检测VS.监督学习（AnomalyDetectionvs.SupervisedLearning）选择要使用的特征（ChoosingWhatFe

雀栎·2022-11-29 09:36

机器学习课程笔记（第九周-2）推荐系统

课程链接：https://www.coursera.org/learn/machine-learning参考文章：https://www.cnblogs.com/maxiaodoubao/p/10220632.html推荐系统RecommenderSystems问题形式化ProblemFormulation例子引入：电影评分定义n:特征变量数，图中有两个特征变量。x1代表电影的浪漫程度，x2代表电

骨骼惊奇不信邪·2022-11-29 09:34

【机器学习】课程笔记15_推荐系统(Recommender Systems)

雀栎·2022-11-29 08:24

推荐频道

D.Silver课程笔记

张子良知识图谱课程笔记

嵩天python课程笔记第二周：python基本图形绘制

第五课 机器学习中的特征工程

吴恩达 深度学习 编程作业（5-3）Part 2 - Trigger word detection

CS231n课程笔记翻译：卷积神经网络笔记

人工智能课程笔记(马少平著)

《人工智能及其应用》课程笔记（二）第2章 知识表示方法

《人工智能及其应用》课程笔记（三）第3章 确定性推理

《人工智能及其应用》课程笔记（四）第4章 非经典推理

高级人工智能课程笔记

《人工智能及其应用》课程笔记（一）第1章 绪论

Chapter1-3_Speech_Recognition(CTC, RNN-T and more)

Chapter1-5_Speech_Recognition(Alignment of HMM, CTC and RNN-T)

5-1 Coursera吴恩达《序列模型》 第一周课程笔记-循环序列网络(RNN)

【课程笔记】李宏毅机器学习[12]：Recurrent Neural Network(RNN)

2021李宏毅机器学习课程笔记——Recurrent Neural Network

python数据分析课程笔记 | 第四章 Matplotlib数据可视化（上）

机器学习课程笔记---支持向量机

CS224W课程笔记第一章：绪论

【笔记】机器学习 - 李宏毅 -- Explainable ML 可解释性机器学习

机器学习 | 李宏毅课程笔记（三）Optimization

机器学习 | 李宏毅课程笔记（二）深度学习任务攻略

Big Data 导论&Hadoop&HDFS

深度学习Pytorch初步——Tensor张量

纽约大学深度学习PyTorch课程笔记（自用）Week6

纽约大学深度学习PyTorch课程笔记（自用）Week5

纽约大学深度学习PyTorch课程笔记（自用）Week2

纽约大学深度学习PyTorch课程笔记（自用）Week3

吴恩达机器学习课程笔记+代码实现(26)17.大规模机器学习(Large Scale Machine Learning)

吴恩达机器学习系列课程笔记——第十七章：大规模机器学习(Large Scale Machine Learning)

机器学习课程笔记（第十周）大规模机器学习

【机器学习】课程笔记16_大规模机器学习(Large Scale Machine Learning)

4.3-python爬虫之图形验证码识别

李宏毅2021春季机器学习课程笔记6：Self-attention

【Pytorch深度学习实践】B站up刘二大人之LinearModel -代码理解与实现(1/9)

【Pytorch深度学习实践】B站up刘二大人之SoftmaxClassifier-代码理解与实现(8/9)

[pytorch深度学习Day03] 张量数据类型

小小几张图，把深度学习讲透彻

深度学习与人类语言处理-语音识别(part1)

吴恩达推荐笔记：22张图总结深度学习全部知识

吴恩达机器学习课程笔记5——过拟合和正则化

吴恩达机器学习系列课程笔记——第七章：正则化(Regularization)

吴恩达老师机器学习课程笔记 07 正则化

cs285深度强化学习课程笔记-lec1

吴恩达机器学习课程笔记+代码实现(25)16.推荐系统(Recommender Systems)

吴恩达机器学习系列课程笔记——第十六章：推荐系统(Recommender Systems)

【原】Coursera—Andrew Ng机器学习—课程笔记 Lecture 16—Recommender Systems 推荐系统...

【机器学习】课程笔记14_异常检测(Anomaly Detection)

机器学习课程笔记（第九周-2）推荐系统

【机器学习】课程笔记15_推荐系统(Recommender Systems)

第五课机器学习中的特征工程

吴恩达深度学习编程作业（5-3）Part 2 - Trigger word detection

《人工智能及其应用》课程笔记（二）第2章知识表示方法

《人工智能及其应用》课程笔记（三）第3章确定性推理

《人工智能及其应用》课程笔记（四）第4章非经典推理

《人工智能及其应用》课程笔记（一）第1章绪论

5-1 Coursera吴恩达《序列模型》第一周课程笔记-循环序列网络(RNN)