摘要：机器学习进阶笔记之十那些上好玩的黑科技是基于进行研发的第二代人工智能学习系统，被广泛用于语音识别或图像识别等多项机器深度学习领域。目前的深度学习的研究领域主要有以下类人群。
特征选择
当数据预处理完成后，我们需要选择有意义的特征，输入机器学习的算法模型进行训练。
前言 前面在《深度学习的seq2seq模型》文章中已经介绍了seq2seq结构及其原理，接下去这篇文章将尝试使用TensorFlow来实现一个seq2seq网络结构，该例子能通过训练给定的训练集实现输入某个序列输出某个序列，其中输入序列和输出序列相同，这里选择使用LSTM模型。 …
本教程旨在向你介绍机器学习的基本概念 —— 你将从头开始构建你的第一个预测模型，同时了解模型的工作原理。
本文是整个系列的第一篇文章，将会介绍深度学习的发展历史以及深度学习目前成熟的应用，同时也会介绍目前主流的深度学习工具，以及 TensorFlow 相比于其他工具的优势。
如果您具有数学和计算机科学方面的工程背景或相关知识的编码经验，只需两个月即可熟练掌握深度学习。 难以置信？ 四步使它成为可能。
本文主人公 英特 是一名传统的软件工程师，让我们与英特一起来研究如何实现自己的Lookalike算法，并尝试着在新浪微博上应用这一算法。本文选自《深度学习算法实践》，曾发表于《程序员》杂志。
阿里妹导读：本文介绍支付宝App中的深度学习引擎——xNN。xNN通过模型和计算框架两个方面的优化，解决了深度学习在移动端落地的一系列问题。
学完本讲的内容，读者将能够：
描述机器学习
解释机器学习的应用
解释各类机器学习方法和算法
Python 机器学习实战教程：回归
卷积神经网络（Convolutional Neural Network, CNN）是人工神经网络的一种，是当下语音分析和图像识别领域的研究热点。这篇文章用最简明的语言和最直观的图像，带你入门CNN。
神经网络、有监督学习与深度学习从属于笔者的Deep Learning Specialization 课程笔记系列文章，本文主要记述了笔者学习 Andrew NG Deep Learning Specialization 系列课程的笔记与代码实现。
均值是最普及的聚类算法，算法接受一个未标记的数据集，然后将数据集聚类成不同的组。
xgboost 已然火爆机器学习圈，相信不少朋友都使用过。要想彻底掌握xgboost，就必须搞懂其内部的模型原理。这样才能将各个参数对应到模型内部，进而理解参数的含义，根据需要进行调参。本文的目的就是让大家尽可能轻松地理解其内部原理。
今年 2 月，南京大学的周志华教授和他的学生 Ji Feng 提出了一种不同于深度神经网络（DNN）的 Deep Forest 模型——gcForest，这是一种决策树集成的方法，较之深度神经网络有很强的竞争力。深度神经网络需要花大力气调参，相比之下 gcForest 要容易训…
一文看懂 25 个神经网络模型
聚类是一种无监督学习，根据样本的内在相似性 / 距离，将大量未知标记的样本集划分为多个类别，使得同一个类别内的样本相似度较大（距离较小），而不同类别间的样本相似度较小（距离较大）。
划分聚类包含 K-Means、K-Means++、Mini Bacth K-Means 等。
TensorFlow 是 Google 基于 DistBelief 进行研发的第二代人工智能学习系统，被广泛用于语音识别或图像识别等多项机器深度学习领域。其命名来源于本身的运行原理。Tensor（张量）意味着 N 维数组，Flow（流）意味着基于数据流图的计算，TensorFlow 代表着张量从图象的一端流动到另一端计算过程，是将复杂的数据结构传输至人工智能神经网中进行分析和处理的过程。
TensorFlow 完全开源，任何人都可以使用。可在小到一部智能手机、大到数千台数据中心服务器的各种设备上运行。
『机器学习进阶笔记』系列将深入解析 TensorFlow 系统的技术实践，从零开始，由浅入深，与大家一起走上机器学习的进阶之路。
通过本篇文章可以对 ML 的常用算法有个常识性的认识，没有代码，没有复杂的理论推导，就是图解一下，知道这些算法是什么，它们是怎么应用的，例子主要是分类问题。
在双 11 推荐场景中，阿里巴巴使用了深度强化学习与自适应在线学习，通过持续机器学习和模型优化建立决策引擎，对海量用户行为以及百亿级商品特征进行实时分析，帮助每一个用户迅速发现宝贝，提高人和商品的配对效率。
希望和大家理解 AI 的一些编程思路和模型，帮助梳理自我成长路线。 人工智能的整体知识体系梳理。 希望和大家理解 AI 的一些编程思路和模型，帮助梳理自我成长路线。 目前的深度学习的研究领域主要有以下3类人群。 学者。主要做深度学习的理论研究，研究如何设计一个“网络模型”，如何…
《MACHINE LEARNING YEARNING》中译本
什么是DeepDream？
DeepDream是谷歌发布的对卷积神经网络（CNN）进行可视化的方法，当然它的用途不仅限于此，我们可以通过它让机器“做梦”......
机器学习保罗万象，在学习这门技术时，最好可以有一些速查手册之类的东西在手边，它们列出了需要了解的关键点。Robbie Allen整理了20多个与机器学习相关的速查资料，并分享出来，或许也可以帮助其他学习这门技术的人。
机器学习领域正发生着日新月异的变化，这些资料总有一天会过时，…
文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。
转载请注明本文地址：https://www.ucloud.cn/yun/18321.html
摘要：数据依赖深度学习与传统机器学习之间最重要的区别会随着数据规模的增大而表现出来。大多数机器学习算法的性能取决于特征识别和特征提取的准确程度。这是深度学习一个非常独特的部分，也是超越传统机器学习的重要部分。 介绍 机器学习和深度学习现在风靡一时！好像是在一瞬间，每个人都在谈论着它们 - 无论人们是否理解两者中间的差异！现在人们无论是否关注数据科学 - 都会听到过这两个术语。 现在展示一下深...
摘要：数据依赖深度学习与传统机器学习之间最重要的区别会随着数据规模的增大而表现出来。大多数机器学习算法的性能取决于特征识别和特征提取的准确程度。这是深度学习一个非常独特的部分，也是超越传统机器学习的重要部分。 介绍 机器学习和深度学习现在风靡一时！好像是在一瞬间，每个人都在谈论着它们 - 无论人们是否理解两者中间的差异！现在人们无论是否关注数据科学 - 都会听到过这两个术语。 现在展示一下深...
摘要：数据依赖深度学习与传统机器学习之间最重要的区别会随着数据规模的增大而表现出来。大多数机器学习算法的性能取决于特征识别和特征提取的准确程度。这是深度学习一个非常独特的部分，也是超越传统机器学习的重要部分。 介绍 机器学习和深度学习现在风靡一时！好像是在一瞬间，每个人都在谈论着它们 - 无论人们是否理解两者中间的差异！现在人们无论是否关注数据科学 - 都会听到过这两个术语。 现在展示一下深...
摘要：深度学习自动找到对分类重要的特征，而在机器学习，我们必须手工地给出这些特征。数据依赖深度学习和传统机器学习最重要的区别在于数据量增长下的表现差异。这是深度学习一个特别的部分，也是传统机器学习主要的步骤。 前言 机器学习和深度学习现在很火！突然间每个人都在讨论它们-不管大家明不明白它们的不同！ 不管你是否积极紧贴数据分析，你都应该听说过它们。 正好展示给你要关注它们的点，这里...
阅读 3679·2021-10-08 10:05
阅读 2682·2021-09-28 09:36
阅读 3344·2021-09-27 13:59
阅读 2322·2021-08-31 09:44
阅读 2076·2019-08-30 15:54
阅读 2249·2019-08-30 15:44
阅读 1073·2019-08-30 13:45
阅读 1073·2019-08-29 18:38
