生成模型和判别模型是机器学习中两类基本的模型，在机器学习面试中，经常会被问到。能否清晰简明地说明二者的不同，直接影...[作者空间]
前言 随着深度学习技术的不断发展，其逐步应用到愈发复杂的现实背景当中。为了处理复杂的现实问题，人们所使用的神经网络...[作者空间]
算法工程师首先是一个工程师。这样一个基本的事实，却被许多算法工程师有意无意忽略。这样下去，是走不长久的。本文尝试总...[作者空间]
在IT圈混饭吃，不管你用什么编程语言、从事前端还是后端，阻塞、非阻塞、异步、同步这些概念，都需要清晰地掌握，否则，...[作者空间]
RNN做机器翻译有它自身的弱点，Attention正是为了克服这个弱点而出现的。所以，要理解Attention，就...[作者空间]
在深度学习中，RNN已经成为标准组件，很多领域都要用到，LSTM则是最经典的RNN结构。所以面试时是必问的，最基本...[作者空间]
最大熵模型属于运用最大熵原理的多分类模型，这个模型在面试中经常会与逻辑回归一起问，比如，为什么说二者是类似的？要解...[作者空间]
摘要：机器学习时代，基于词典的文本挖掘方法已不那么适用，快用新方法开始你的探索吧！ 在多数企业中，体现客户与产品间...[作者空间]
摘要：天天再说机器学习，你知道机器学习从业者到底在干啥吗？ 这篇文章是系列文章的第1部分,第2部分将阐述AutoM...[作者空间]
在机器学习的面试中，数据是否需要归一化和标准化是个常见问题。之所以常见，是因为它有很多暗坑，每个暗坑都可以考察应聘...[作者空间]
摘要：5月最热门的GitHub存储库和顶级Reddit讨论，戳进来~ GitHub和Reddit都是比较有趣的平台...[作者空间]
k-近邻算法（KNN） 输入没有标签的新数据后，将新数据的每个特征与样本集中数据对应特征进行比较，然后提取样本集中...[作者空间]
逻辑回归作为被广泛使用的二分类模型，面试中自然是不可缺少的。但要深刻理解逻辑回归又不是那么容易的，比如说，逻辑回归...[作者空间]
在深度学习中，我们有许多优化器可以选择，但是只有清楚了它们的原理才能更好地选择。 1、SGD 随机梯度下降是最经典...[作者空间]
MSE和CE是机器学习中常见的两种损失函数，在训练神经网络中，也经常用到，但是如何深刻地理解二者的异同，却不是容易...[作者空间]
K最近邻(k-Nearest Neighbor，KNN)分类算法的核心思想是如果一个样本在特征空间中的k个最相似(...[作者空间]
机器学习面试中一大类问题就是比较不同模型的异同。这类问题可以迅速刺探出面试者对模型理解的深度，因为它不像单一模型的...[作者空间]
word2vector已经成为NLP领域的基石算法。作为一名AI 从业者，如果不能主动去熟悉该算法，应该感到脸红。...[作者空间]
我想说： 其实训练模型是个力气活，有人说训练模型很简单，把数据塞进去，然后跑完就好了，哦，这样的话谁都会，关键的也...[作者空间]
