Python 篇 - 把爬取聚合网站整站的代码 push 上 github 是不道德的做法吗？ - 后端 - 掘金
题图：streetwill.co 业余时间在写一个聚合类App的后台api，苦于没有数据，只能在网上借点儿。 上周末花了一天时间在家里，做做饭、浇浇花、顺便借了点数据，上google搜了下这个主题，简单预览了下搜索结果排名第一的网站，就决定是它了。 ...
matplotlib演示最小二乘法拟合过程 - 掘金
最小二乘法拟合直线 生成样本点 首先，我们在直线 y = 3 + 5x 附近生成服从正态分布的随机点，作为拟合直线的样本点。 import numpy as np import matplotlib.pyplot as plt # 在直线 y = 3 + 5...
28 款 GitHub 最流行的开源机器学习项目 - 后端 - 掘金
现在机器学习逐渐成为行业热门，经过二十几年的发展，机器学习目前也有了十分广泛的应用，如：数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、DNA序列测序、语音和手写识别、战略游戏和机器人...
斯坦福大学机器学习 CS229 课程笔记翻译计划 - 阅读 - 掘金
这个又是一个新系列，翻译斯坦福大学机器学习 CS229 课程的课件讲义。 这门课程的官方网站：Machine Learning (Course handouts) 网易公开课上面的在线播放（虽然版本老但是字幕做得很认真）斯坦福机器学习 网上有一个版本的笔记分享...
特征工程完全总结（Python 源码） - 后端 - 掘金
目录1 特征工程是什么？2 数据预处理 2.1 无量纲化 2.1.1 标准化 2.1....
人工神经网络之 Python 实战 - 后端 - 掘金
引言：Python是最好最热门的编程语言之一，以简单易学、应用广泛、类库强大而著称，是实现机器学习算法的首选语言。本文以人工神经网络的实战为例，证明需要深入理解算法的原理、优劣势等特点以及应用场景，以能达到应用自如的程度。 本文选自《Python大战机器学习：...
人脸识别 --- 基于深度学习和稀疏表达的人脸识别算法 - 后端 - 掘金
介绍 基于深度学习和稀疏表达的人脸识别算法 ...
机器学习之层次聚类及代码示例 - 后端 - 掘金
一、层次聚类 层次聚类是无监督学习方法，可对给定的N个待聚类的样本进行层次的分类，直到某种条件（类的个数、类间的距离超过某个阈值）满足为止。 ...
机器学习之密度聚类及代码示例 - 后端 - 掘金
一、密度聚类 密度聚类的思想，在于通过计算样本点的密度的大小来实现一个簇/类别的形成，样本点密度越大，越容易形成一个类，从而实现聚类。 密度聚类算法...
只需十四步：从零开始掌握 Python 机器学习（附资源） - 后端 - 掘金
Python 可以说是现在最流行的机器学习语言，而且你也能在网上找到大量的资源。你现在也在考虑从 Python 入门机器学习吗？本教程或许能帮你成功上手，从 0 到 1 掌握 Python 机器学习，至于后面再从 1 到 100 变成机器学习专家，就要看你自己...
10 种机器学习算法的要点（附 Python 和 R 代码） - 后端 - 掘金
前言 谷歌董事长施密特曾说过：虽然谷歌的无人驾驶汽车和机器人受到了许多媒体关注，但是这家公司真正的未来在于机器学习，一种让计算机更聪明、更个性化的技术。 也许我们生活在人类历史上最关键的时期：从使用大型计算机，到个人电脑，再到现在的云计算。关键的不是过去发生了...
过滤豆瓣租房小组中介贴之 python 实现 k 近邻算法（四） - 后端 - 掘金
豆瓣有各种小组，每个小组会有个主题，比如租房小组基本里面全是房源相关的，当然偶尔也会有广告出现。那么如何能够让机器知道你发的帖子到底是哪个主题的呢，简单来说就是如何给帖子分类。这个时候需要介绍机器学习一个最简单的算法，叫 k 近邻算法。 原理介绍见这篇 K ...
52 个有用的机器学习与预测接口盘点 - 后端 - 掘金
随着基于人工智能与机器学习的应用如雨后春笋般不断涌现，我们也看到有很多提供类似功能的 API 悄悄登上了舞台。 API 是用于构建软件应用的程序、协议以及工具的组合；本文是对2015 中这个列表的修正与完善，移除了部分被废弃的 API ；我们也添加了最近由 I...
人人都可以学的人工智能：TensorFlow 入门例子 - 掘金
这是用 TensorFlow 来识别手写数字的官方经典入门例子，数据都是已经处理过准备好了的，但是只到计算准确度概率那就停了，缺少拿实际图片运用的例子，初学者看完之后难免发蒙。于是，本文第二段用一些实际图片来验证我们的模型。文中例子基于 TensorFlow ...
深度学习与 App 的魔幻结合 - iOS - 掘金
This post have got access from the original author Avihay Assouline to translate into Chinese. If you are interest in this article...
用 Keras 编写你的第一个人工神经网络（Python）—— Jinkey 翻译 - 掘金
译者：Jinkey（微信公众号 jinkey-love）英文原版地址：点击跳转 教程概述 这里不需要编写太多的代码,不过我们将一步步慢慢地告诉你怎么以后怎么创建自己的模型。教程将会涵盖以下步骤: 加载数据 定义模型 编译模型 训练模型 评估模型 结合所有步...
Git 学习之推送至远程仓库（六） - 工具资源 - 掘金
Git 学习之推送至远程仓库（六）...
PyTips 0x19 - 类与元类的深度挖掘 II - 后端 - 掘金
上一篇解决了通过调用类对象生成实例对象过程中可能遇到的命名空间相关的一些问题，这次我们向上回溯一层，看看类对象本身是如何产生的。...
利用 Python 进行深度学习的完整入门指南 (附资源) - 后端 - 掘金
深度学习，是人工智能领域的一个突出的话题，被众人关注已经有相当长的一段时间了。它备受关注是因为在计算机视觉（Computer Vision）和游戏（Alpha GO）等领域有超越人类能力的突破 。自上一次调查 （查看调查：https:/...
机器学习算法总结 -- 朴素贝叶斯 - 阅读 - 掘金
这次需要总结的是朴素贝叶斯算法，参考文章： 《统计学习方法》 机器学习常见...
机器学习算法总结 --K 近邻 - 阅读 - 掘金
参考文章： 《统计学习方法》 机器学习常见算法个人总结（面试用） ...
机器学习算法总结 --K 均值算法 - 阅读 - 掘金
参考自： 《机器学习》 机器学习&数据挖掘笔记_16（常见面试之机...
深度学习第一弹 —— MNIST for the Newbies - 后端 - 掘金
写在前面 最近抽时间看一些 AI 方面的东西，说实话，我一开始对这方面其实不是很重视的，毕竟现在发展还是处于很初级的阶段。但因为本身职业是跟金融有关的，最近看了不少产业相关的资料，也经常研究国家在各个产业链上的政策，以及经常看到不少国内外企业在 AI 方面的布...
Alpha-Beta 剪枝极大极小博弈算法 - 五子棋 AI 实现 - 后端 - 掘金
写在最前 蹭着AI 的热度，让我慢慢对 AI 算法有了兴趣，刚刚好因为实训，有机会完成了这个五子棋的 AI 程序，算法基于极大极小博弈树，实现语言为 Java ，如果有兴趣，可访问开源地址： https://github.com/rockzha...
TensorFlow 实现基于深度学习的图像补全 - 后端 - 掘金
原文地址：Image Completion with Deep Learning in TensorFlow by Brandon Amos 原文翻译与校对：@MOLLY && 寒小阳 (hanxiaoyang.ml@gmail.com...
使用机器学习来制作 “Boss 感应器” - 工具资源 - 掘金
Hide screen when boss is approaching. Demo Boss stands up. He is approachi...
深度学习如何入门？ - 后端 - 掘金
深度学习入门必看...
理解深度学习中的卷积 - 后端 - 掘金
译者按：本文译自 Tim Dettmers 的 Understanding Convolution in Deep Learning。有太多的公开课、教程在反复传颂卷积神经网络的好，却都没有讲什么是「卷积」，似乎默认所有读者都有相关基础。这篇外文既友好又深入，...
写给大家看的机器学习书（第五篇）—— 机器学习为什么是可行的（中） - 后端 - 掘金
- 提要 从这个系列文章的第四篇开始，我们开启了机器学习可行性的讨论。在第四篇中，我们经过了“天下没有白吃的午餐 (No Free Lunch)”的考验，了解了“No Free Lunch”定理的前提假设，也得知了在具体的现实问题中，使用与问题匹配的学习算法...
写给大家看的机器学习书（第四篇）—— 机器学习为什么是可行的（上） - 后端 - 掘金
- 你敢跟着机器学习投资吗？ 系列文章学到这里，我们已经理解了机器学习的概念，也掌握了一个具体的学习算法 (Learning Algorithm)。似乎机器学习的大门已经打开，以后了解更深的模型，学习更多的技法，一帆风顺的样子。 不过稍等一会，让我们再回顾一...
写给大家看的机器学习书（第三篇） - 后端 - 掘金
题记 —— 我们为何出发 在开始这个系列文章的第三篇之前，为了对初次见面的朋友更友好，将这个题记放在前面。 哪怕所有的初心最终都被遗忘，至少现在的我们足够认真。 ——阿真 机器学习很火。机器学习专家很贵。所有大型互联网公司都驾着机器学习的...
写给大家看的机器学习书（第二篇） - 后端 - 掘金
赛前采访 在开始这个系列的第二篇文章之前，非常荣幸得采访到霹霹博士。霹霹目前在阿里巴巴认知计算实验室做AI方向的艰深探索，我第一次跟他交流机器学习跟数据挖掘的区别时得知，数据挖掘领域鼻祖级的人物韩家炜(Jiawei Han)竟然是他师祖。 八汰（也就...
- 前言 这个世界不缺少专家，我只是期待他们中有一位能把事情说清楚。 机器学习很火。 机器学习专家很贵。 所有大型互联网公司都驾着机器学习的马车朝着人工智能前进。 然而今天哪怕是互联网从业者，大部分也是不知道机器学习到底是什么的。机器如何学习？机器学到的是什...
为期一周的机器学习 - 后端 - 掘金
在门外汉看来，机器学习（Machine Learing，ML）入门是个不可完成的任务。 如果你选错了方向，确实就是不可能的了。 然而，在我学习机器学习的基本知识一周后，发现入门比我想象的容易。 本文旨在给予那些对机器学习有兴趣的人一些入门指南，这个指南来自我为...
人工神经网络之 Python 实战 - 后端 - 掘金
引言：Python是最好最热门的编程语言之一，以简单易学、应用广泛、类库强大而著称，是实现机器学习算法的首选语言。本文以人工神经网络的实战为例，证明需要深入理解算法的原理、优劣势等特点以及应用场景，以能达到应用自如的程度。 本文选自《Python大战机器学习：...
用深度学习（CNN RNN Attention）解决大规模文本分类问题 - 综述和实践 - 后端 - 掘金
作者简介：清凇，本科毕业于山东大学，研究生就读于北邮，毕业后在阿里巴巴从事搜索排序算法相关工作。 原文：用深度学习（CNN RNN Attention）解决大规模文本分类问题 - 综述和实践 欢迎人工智能领域技术投稿、约稿、给文章纠错，请发送邮件至heyc...
用讲故事的办法帮你理解 SMO 算法 - 后端 - 掘金
SVM通常用对偶问题来求解，这样的好处有两个：1、变量只有N个（N为训练集中的样本个数），原始问题中的变量数量与样本点的特征个数相同，当样本特征非常多时，求解难度较大。2、可以方便地引入核函数，求解非线性SVM。求解对偶问题，常用的算法是SMO，彻底地理解这个...
干货 | 17 张思维导图，全面掌握机器学习的统计基础知识 - 后端 - 掘金
来源：知乎 作者：小越酱 原图下载：https://pan.baidu.com/s/1midnOSC 本文用一系列「思维导图」由浅入深的总结了「统计学」领域的基础知识，是对之前系列文章做的一次完整的梳理，也是我至今为止所有与统计有关的学习笔记。...
Deep Learning for Natural Language Processing with Pytorch - 后端 - 掘金
This tutorial will walk you through the key ideas of deep learning programming using Pytorch. Many of the concepts (such as the co...
机器学习、深度学习与自然语言处理领域推荐的书籍列表 - 知乎专栏 - 阅读 - 掘金
机器学习、深度学习与自然语言处理领域推荐的书籍列表 是笔者 Awesome Reference 系列的一部分；对于其他的资料、文章、视频教程、工具实践请参考面向程序猿的数据科学与机器学习知识体系及资料合集。本文算是抛砖引玉，笔者最近有空就会在 Pad 上面随手...
机器学习之层次聚类 - 后端 - 掘金
层次聚类 聚类是将样本进行归类形成K个簇，层次聚类是其中的一种方法。它将数据组成一棵聚类树，过程可以是凝聚形式或分裂形式。 核心思想 凝聚是一开始将每个样本当做一个聚类，接着通过计算将距离最近的两个聚类合并，成为新聚类，每次合并聚类总数减少一个，不断循环合并操...
过滤豆瓣租房小组中介贴之 python 实现 k 近邻算法（四） - 后端 - 掘金
豆瓣有各种小组，每个小组会有个主题，比如租房小组基本里面全是房源相关的，当然偶尔也会有广告出现。那么如何能够让机器知道你发的帖子到底是哪个主题的呢，简单来说就是如何给帖子分类。这个时候需要介绍机器学习一个最简单的算法，叫 k 近邻算法。 原理介绍见这篇 K ...
机器学习之支持向量机 SVM 及代码示例 - 后端 - 掘金
一、线性可分SVM SVM算法最初是用来处理二分类问题的，是一种有监督学习的分类算法。 对于线性可分的二分类问题，我...
浅谈机器学习基础（下） - 后端 - 掘金
利用回归预测数值型数据 线性回归 前面讲的都是监督学习中的分类，训练出可以判断样本类别的模型，而回归的目的是预测数值型的目标值，最直接的办法是依据输入写出一个目标值的计算公式，将自变量代入后就能根...
浅谈机器学习基础（上） - 后端 - 掘金
注：题中所指的『机器学习』不包括『深度学习』。本篇文章以理论推导为主，不涉及代码实现。 前些日子定下了未来三年左右的计划，其中很重要的一点是成为一名出色的人工智能产品经理，说是要每月至少读一本人工智能相关书籍，现在一个半月过去了...
用 python 参加 Kaggle 的些许经验总结 - 后端 - 掘金
最近挤出时间，用python在kaggle上试了几个project，有点体会，记录下。 Step1: Exploratory Data Analysis EDA，也就是对数据进行探索性的分析，一般...
机器学习笔记——相似性度量 - 后端 - 掘金
在做分类时常常需要估算不同样本之间的相似性度量(SimilarityMeasurement)，这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究，甚至关系到分类的正确与否。 ...
完结篇 | 一文搞懂 k 近邻（k-NN）算法（二） - 阅读 - 掘金
上篇文章重点讲解了最基本的k近邻算法一文搞懂k近邻（k-NN）算法（一） - 知乎专栏 这篇文章重点讲解一下k近邻算法的最经典算法kd树的相关知识点以及最终的总结！希望看完这篇文章，大家对kd树能够有一个直观的感觉~ 本文目录如下： 1.k近邻算法的回顾 2....
机器学习之 k 近邻 - 掘金
核心思想 KNN算法假设给定的训练集中的实例都已经分好类了，对于新的实例，根据离它最近的k个训练实例的类别来预测它的类别。即这k个实例大多数属于某个类别则该实例就属于某个类别。比如k为5，离新实例a最近的5个样本的情况为，3个样本属于A类，1个样本属于B类，一...
经验之谈：如何为你的机器学习问题选择合适的算法 - 阅读 - 掘金
随着机器学习越来越流行，也出现了越来越多能很好地处理任务的算法。但是，你不可能预先知道哪个算法对你的问题是最优的。如果你有足够的时间，你可以尝试所有的算法来找出最优的算法。本文介绍了如何依靠已有的方法（模型选择和超参数调节）去指导你更好地去选择算法。本文作者为...
浅说深度学习：核心概念 - 后端 - 掘金
旨在提供直观简明的深度学习引导，涵盖深度学习的基本概念，而不设计很多数学和理论细节。当然如果要做更深入的研究，数学肯定是必不可少的，但是本系列主要还是用图片和类比等方式，帮助初学者快速建立大局观。 2017-04-15T16:00:00.000Z ...
logistic 回归原理解析及 Python 应用实例 - 后端 - 掘金
logistic回归，又叫对数几率回归（从后文中便可此名由来）。首先给大家强调一点，这是一个分类模型而不是一个回归模型！下文开始将从不同方面讲解logistic回归的原理，随后分别使用梯度上升算法和随机梯度上升算法将logistic回归算法应用到实例中。 ...
三张图读懂机器学习：基本概念、五大流派与九种常见算法 - 后端 - 掘金
机器学习正在进步，我们似乎正在不断接近我们心中的人工智能目标。语音识别、图像检测、机器翻译、风格迁移等技术已经在我们的实际生活中开始得到了应用，但机器学习的发展仍还在继续，甚至被认为有可能彻底改变人类文明的发展方向乃至人类自身。但你了解现在正在发生的这场变革吗...
机器学习里的贝叶斯基本理论、模型和算法 - 后端 - 掘金
雷锋网［AI科技评论］按:3月3日，中国人工智能学会AIDL第二期【人工智能前沿讲习班】在北京中科院自动化所举行，本期讲习班的主题为【机器学习前沿】。周志华教授担任学术主任，前来授课的嘉宾均为中国机器学习界一流专家、资深科研人员和企业精英，包括：耿新、郭天佑、...
数据探索之统计分布 - 后端 - 掘金
本文用Python统计模拟的方法，介绍四种常用的统计分布，包括离散分布：二项分布和泊松分布，以及连续分布：指数分布和正态分布，最后查看人群的身高和体重数据所符合的分布。 # 导入相关模块 import pandas as pd import numpy as ...
机器学习十大算法都是何方神圣？看完你就懂了 - 阅读 - 掘金
雷锋网(公众号：雷锋网)按：机器学习与人工智能变得越来越热。大数据原本在工业界中就已经炙手可热，而基于大数据的机器学习则更加流行，因为其通过对数据的计算，可以实现数据预测、为公司提供决策依据。跟我们生活息息相关的最常见机器学习算法包括电影推荐算法、图书推荐算法...
机器学习入门 - 掘金
终于有时间了，前几日正式开始了我的机器学习之旅，总结下目前已掌握的知识。 机器学习 机器学习本质是一项监督分类/回归问题，"监督"表示你有许多样本，假设你知道这些样本的正确答案，我们不断地把样本交给机器，并告诉机器这些样本是正确或错误的，...
8 种常见机器学习算法比较 - 后端 - 掘金
雷锋网(公众号：雷锋网)按：本文转自刘志伟责编，在机器学习中选择一个恰当的算法十分重要，文中主要介绍了8种计算机算法及其优缺点，为大家进行算法选择时提供一点意见。 简介 机器学习算法太多了，分类、回归、聚类、推荐、图像识别领域等等，要想找到一个合适算法真的不容...
Python 数据挖掘实践—KNN 分类 - 后端 - 掘金
赵宏田，Python社区专栏作者 博客：https://zhuanlan.zhihu.com/pythoncoder ...
干货 | 全面分析 如何选择一个适合自己的机器学习算法 - 后端 - 掘金
文章来源：sas 翻译：孙菁 文章投稿：news@top25.cn 导读：对于数据科学或数据分析，机器学习已成为解决问题的一大利器。本文意在面向刚刚入门数据分析的初学者，或对利用机器学习处理数据感兴趣的读者，提出一些实用的建议与指导。 &nb...
只需十四步：从零开始掌握 Python 机器学习（附资源） - 阅读 - 掘金
Python 可以说是现在最流行的机器学习语言，而且你也能在网上找到大量的资源。你现在也在考虑从 Python 入门机器学习吗？本教程或许能帮你成功上手，从 0 到 1 掌握 Python 机器学习，至于后面再从 1 到 100 变成机器学习专家，就要看你自己...
sklearn：Python 语言开发的通用机器学习库 - 后端 - 掘金
引言：深入理解机器学习并完全看懂sklearn文档，需要较深厚的理论基础。但是，要将sklearn应用于实际的项目中，只需要对机器学习理论有一个基本的掌握，就可以直接调用其API来完成各种机器学习问题。 本文选自《全栈数据之门》，将向你介绍通过三个步骤来解决具...
机器学习项目流程及模型评估验证 - 后端 - 掘金
4.9日到现在一直在做Udacity的P1项目——波士顿房价预测。这个项目让我收获最大的就是理清了机器学习解决问题的整体流程，搭起一个框架，学会了寻找模型的最优参数以及模型的评估和验证方法。 ...
10 种机器学习算法的要点（附 Python 和 R 代码）（转载） - 后端 - 掘金
前言 谷歌董事长施密特曾说过：虽然谷歌的无人驾驶汽车和机器人受到了许多媒体关注，但是这家公司真正的未来在于机器学习，一种让计算机更聪明、更个性化的技术。 也许我们生活在人类历史上最关键的时期：从使用大型计算机，到个人电脑，再到现在的云计算。关键的不...
机器学习之朴素贝叶斯分类 - 掘金
朴素贝叶斯分类 所有贝叶斯分类都是基于贝叶斯定理，朴素贝叶斯分类是贝叶斯分类中运用广泛简单的一种，另外，它还基于特征条件独立假设。 贝叶斯定理 贝叶斯定理是计算条件概率的公式，条件概率即是事件B发生的前提下事件A发生的概率，记作P(A|B)，叫做事件B发生的情...
深度学习中的基础线性代数 - 初学者指南 - 后端 - 掘金
作者介绍:Brendan Fortuner 是一名在西雅图的亚马逊的软件工程师，目前自己在人工智能方面进行研究。 上过Jeremy Howard的深度学习课程后，我意识到我在线性代数方面的不足，而这大大影响我对类似反向传播这样的概念的理解。因此...
- 前言 这个世界不缺少专家，我只是期待他们中有一位能把事情说清楚。 机器学习很火。 机器学习专家很贵。 所有大型互联网公司都驾着机器学习的马车朝着人工智能前进。 然而今天哪怕是互联网从业者，大部分也是不知道机器学习到底是什么的。机器如何学习？机器学到的是什...
《Deep Learning》中文版电子书 - 后端 - 掘金
在众多网友的帮助和校对下，草稿慢慢变成了初稿。尽管还有很多问题，但至少90%的内容是可读的，并且是准确的。 我们尽可能地保留了原书Deep Learning中的意思并保留原书的语句。 然而我们水平有限，我...
斯坦福 CS229 机器学习讲义翻译计划 - 后端 - 掘金
A Chinese Translation of Stanford CS229 notes 斯坦福机器学习CS229课程讲义的中文翻译 这个又是一个新系列，翻译斯坦福大学机器学习 CS229 课程的课件讲...
28 款 GitHub 最流行的开源机器学习项目 - 后端 - 掘金
现在机器学习逐渐成为行业热门，经过二十几年的发展，机器学习目前也有了十分广泛的应用，如：数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、DNA序列测序、语音和手写识别、战略游戏和机器人...
四大深度学习框架 + 四类 GPU + 七种神经网络：交叉性能评测 - 后端 - 掘金
选自add-for 作者：Pedro Gusmão ...
机器学习十大算法都是何方神圣？看完你就懂了 - 阅读 - 掘金
雷锋网(公众号：雷锋网)按：机器学习与人工智能变得越来越热。大数据原本在工业界中就已经炙手可热，而基于大数据的机器学习则更加流行，因为其通过对数据的计算，可以实现数据预测、为公司提供决策依据。跟我们生活息息相关的最常见机器学习算法包括电影推荐算法、图书推荐算法...
实战 Google 深度学习框架：TensorFlow 计算加速 - 后端 - 掘金
作者：才云科技Caicloud，郑泽宇，顾思宇 要将深度学习应用到实际问题中，一个非常大的问题在于训练深度学习模型需要的计算量太大。比如Inception-v3模型在单机上训练到78%的正确率需要将近半年的时间 ，这样的训练速度是完全无法应用到实际生产中的。...
强者联盟——Python 语言结合 Spark 框架 - 后端 - 掘金
引言：Spark由AMPLab实验室开发，其本质是基于内存的快速迭代框架，“迭代”是机器学习最大的特点，因此非常适合做机器学习。得益于在数据科学中强大的表现，Python语言的粉丝遍布天下，如今又遇上强大的分布式内存计算框架Spark，两个领域的强者走到一起，...
Machine Learning 学习资料 - 后端 - 掘金
Awesome系列 Awesome Machine Learning Awesome Deep Learning ...
深度增强学习前沿算法思想 - 后端 - 掘金
本文原载于《程序员》杂志2017年1月刊 2016年AlphaGo计算机围棋系统战胜顶尖职业棋手李世石，引起了全世界的广泛关注，人工智能进一步被推到了风口浪尖。而其中的深度增强学习算法是AlphaGo的核心，也是通用人工智能的实现关键。本文将带领大家了解深度增...
机器理解大数据的秘密：聚类算法深度详解 - 后端 - 掘金
在理解大数据方面，聚类是一种很常用的基本方法。近日，数据科学家兼程序员 Peter Gleeson 在 freeCodeCamp 发布了一篇深度讲解文章，对一些聚类算法进行了基础介绍，并通过简单而详细的例证对其工作过程进行了解释说明。 看看下面这张图，有各...
Machine Learning - 线性回归算法分析 - 后端 - 掘金
AI人工智能时代，机器学习，深度学习作为其核心，本文主要介绍机器学习的基础算法，以详细线介绍 线性回归算法 及其 数学原理 探究，做...
干货 | 菜鸟学深度学习的最佳入门指南 - 后端 - 掘金
来源：hackernoon 作者：Debarko De 深度学习的势头已经持续一段时间了，最近人们已经将深度学习运用到了各种不同的领域中。 在本系列中，你将会学习如何利用深度学习解决那些比较简单的问题，即在图像中检测一个单独的物体（如猫或狗...
写给大家看的机器学习书（第五篇）—— 机器学习为什么是可行的（中） - 后端 - 掘金
- 提要 从这个系列文章的第四篇开始，我们开启了机器学习可行性的讨论。在第四篇中，我们经过了“天下没有白吃的午餐 (No Free Lunch)”的考验，了解了“No Free Lunch”定理的前提假设，也得知了在具体的现实问题中，使用与问题匹配的学习算法...
写给大家看的机器学习书（第四篇）—— 机器学习为什么是可行的（上） - 后端 - 掘金
- 你敢跟着机器学习投资吗？ 系列文章学到这里，我们已经理解了机器学习的概念，也掌握了一个具体的学习算法 (Learning Algorithm)。似乎机器学习的大门已经打开，以后了解更深的模型，学习更多的技法，一帆风顺的样子。 不过稍等一会，让我们再回顾一...
写给大家看的机器学习书（第三篇） - 后端 - 掘金
题记 —— 我们为何出发 在开始这个系列文章的第三篇之前，为了对初次见面的朋友更友好，将这个题记放在前面。 哪怕所有的初心最终都被遗忘，至少现在的我们足够认真。 ——阿真 机器学习很火。机器学习专家很贵。所有大型互联网公司都驾着机器学习的...
写给大家看的机器学习书（第二篇） - 后端 - 掘金
赛前采访 在开始这个系列的第二篇文章之前，非常荣幸得采访到霹霹博士。霹霹目前在阿里巴巴认知计算实验室做AI方向的艰深探索，我第一次跟他交流机器学习跟数据挖掘的区别时得知，数据挖掘领域鼻祖级的人物韩家炜(Jiawei Han)竟然是他师祖。 八汰（也就...
- 前言 这个世界不缺少专家，我只是期待他们中有一位能把事情说清楚。 机器学习很火。 机器学习专家很贵。 所有大型互联网公司都驾着机器学习的马车朝着人工智能前进。 然而今天哪怕是互联网从业者，大部分也是不知道机器学习到底是什么的。机器如何学习？机器学到的是什...
PyTorch 和 TensorFlow 到底哪个更好？看看研究者们怎么说 - 后端 - 掘金
Theano、TensorFlow、Torch、MXNet 再到近日比较热门的 PyTorch 等等，深度学习框架之间的比较一直以来都是非常受人关注的热点话题。机器之心也曾发表过多篇相关的介绍和对比文章，如《主流深度学习框架对比：看你最适合哪一款？》、 《五大...
七步掌握 Python 机器学习 - 工具资源 - 掘金
旨在通过七个步骤，使用全部免费的线上资料，帮助新人获取最基本的 Python 机器学习知识，直至成为博学的机器学习实践者。...
用机器学习研究 UFO 目击报告 - 阅读 - 掘金
本篇文章是讨论热门机器学习算法的文章合集中的一篇。如果你想了解更加详尽的背景知识以及我的写作初衷，请阅读这篇文章。 背景 隐含狄利克雷分布（LDA）算法曾被"提出"过两次，第一次提出是在2000年，用来根据遗传信息将人群划分至K个种族，到了2003年，LDA又...
【教程】亲自动手编写你人生中第一个 AI - 阅读 - 掘金
摘要：长话短说，在过去的14个月中，我花费了数千小时的时间，终于让自己成为了一名机器学习方面的专家。我想把我的知识分享给所有人。今天，我就要做一个简短的指导说明，告诉你如何编写人生中第一个AI。当然，这个AI不会太高级。 大家都挺忙的，咱们废话少...
深入浅出朴素贝叶斯理论 - 阅读 - 掘金
深入浅出朴素贝叶斯理论归属于笔者的程序猿的数据科学与机器学习实战手册。部分阅读平台对于MathJax支持不好，可以查看笔者的 笔记原文。更多内容参考面向程序猿的数据科学与机器学习知识体系及资料合集。 概率论是机器学习中...
给机器学习初学者的建议 - 工具资源 - 掘金
本文译自康奈尔大学信息科学系助理教授David Mimno写的《Advice for students of machine learning》，Mimno先生总结了一些对于机器学习学生/初学者的建议，强调理论与实践相结合，要有耐心和毅力，并提出了深入研究一篇...
Python 语法速览与机器学习开发环境搭建 - 后端 - 掘金
Python语法速览与机器学习开发环境搭建从属于笔者的程序猿的数据科学与机器学习实战手册，如果希望了解更多关于数据科学与机器学习知识体系结构，推荐阅读2016:我的技术体系结构图:Web/ServerSideApplication/MachineLearnin...
Neon - 一个基于 Python 的深度学习库 - 后端 - 掘金
neon is Nervana ’s Python-based deep learning library. It provides ease of use while delivering the highest performance. Features ...
GitHub 上 57 款最流行的开源深度学习项目 - 产品 - 掘金
本文整理了 GitHub 上最流行的 57 款深度学习项目（按 stars 排名）。最后更新：2016.08.091.TensorFlow使用数据流图计算可扩展机器学习问题TensorFlow 是谷歌的第二代机器学习系统，按照谷歌所说，在某些基准测试中，Ten...
百倍加速！Python 量化策略的算法性能提升指南 - 后端 - 掘金
原创文章，转载请注明出处：用Python的交易员性能问题Python在2016年里可以说是风靡国内量化投资圈，目前整个生态链已经初具规模：交易：vn.py、easytrader、at_py数据：tushare回测：rqalpha在线平台：UQER、RiceQu...
轻量级大规模机器学习算法库 Fregata 开源：快速，无需调参 - 后端 - 掘金
随着互联网，移动互联网的兴起，可以获取的数据变得越来越多，也越来越丰富。数据资源的丰富，给机器学习带来了越来越多，越来越大创造价值的机会。 机器学习在计算广告，推荐系统这些价值上千亿美元的应用中起到的作用越来越大，创造的价值也越来越大。但是越来越大的数据规模也...
网友评论