如何使用目前學到的機器學習演算法的實用建議。 如何使用開源？ 事實證明，很多的神經網路系統都很難復現，因為很多調整超引數的細節，例如衰減率還有其他的一些細節都會給最終效果帶來影響。 幸運的是，很多深

機器學習入門系列（2）--如何構建一個完整的機器學習專案，第九篇！ 該系列的前八篇文章： 機器學習入門系列(2)--如何構建一個完整的機器學習專案(一) 機器學習資料集的獲取和測試集

Facebook之變，阿里巴巴之福 賈揚清是Caffe作者、TensorFlow核心作者之一，參與打造了全球最流行的開源深度學習框架，此前在Facebook任職AI架構總監。 賈

2019 年第24篇，總48篇文章 本文大約 5000 字，閱讀大約需要 15 分鐘 週末了，就不寫技術了，來聊聊關於春招/秋招面試的事情，剛好最近也是逐漸開始春招找實習或者找工

該系列文章為，觀看 “吳恩達機器學習” 系列視訊的學習筆記。雖然每個視訊都很簡單，但不得不說每一句都非常的簡潔扼要，淺顯易懂。非常適合我這樣的小白入門。 本章含蓋 11.1 決定下一步做什麼

本文解讀的是一篇發表於 AAAI 2019 的 paper，文章提出了一種 R-DAD 的方法來對 RCNN 系列的目標檢測方法進行改進。 研究動機 目前主流的目標檢測演算法分為

現在前面 希望對這段時間的機器學習做一個溫故與總結，於是有了寫52ML系列部落格的想法 邏輯迴歸解決什麼問題 邏輯迴歸是一個分類模型，輸出樣本屬於某個類別的概率，但個人認為它也是一個迴歸問題，因

為了解大資料的當前和未來狀態，我們採訪了來自28個組織的31位IT技術主管。我們問他們，“你在資料提取，分析和報告中使用的最流行的語言，工具和框架是什麼？” 以下的文章是他們告訴我們的記錄，經過總結如下。

斯坦福大學的教授在距今最近的一次人工智慧寒冬期間開始了她的職業生涯，但是她提供了一個幫助寒冬解凍的想法。通過建立包含一千五百萬張影象的層級組織影象資料庫Image-Net，她證明了豐富的資料集在開發演算法方面的重要

年初，我從招聘網站上了解到，各網際網路大廠，演算法崗競爭相當激烈，供大於求。藉著金三銀四，跟大家科普幾個 AI 崗位，看著適合自己的趕緊去投簡歷啊！！ 1.  人工智慧、機器學習領域究竟多火？ 從各大公

在機器學習的實踐中，我們通常會遇到實際資料中正負樣本比例不平衡的情況，也叫資料傾斜。對於資料傾斜的情況，如果選取的演算法不合適，或者評價指標不合適，那麼對於實際應用線上時效果往往會不盡人意，所以如何解決資料不平

每個人看到的價格都是不一樣的，是“個性化”還是“價格歧視”其實很難講的清楚。但是通過AI動態的調整定價正在改變企業的競爭格局。我們一起來看下AI可以從哪些方面進行切入。 預測市場需求與微觀細分 AI微觀

學校內的實訓專案正式開始了，本次專案我們選擇的是城市房價分析系統，採用Scrum敏捷開發。 作為專案經理，我要規劃和控制整個專案的質量和進度。由此，也進一步加強了規劃我以後學習、工作和生活的意願。 目

知乎上有人問:"讀書的意義是什麼？”有一個高贊回覆，呂秀才說：“起初我讀書是為了功名，後來讀著讀著心裡就沒底了，那麼多書，衝動，衝動到後來吧，突然就反應過來了，怎麼說呢，就拿交朋友來說用的是心，他不是

本文將推薦幾種機器學習演算法，你應該考慮是否將它們投入應用。這五種演算法覆蓋最常用於聚類、分類、數值預測和樸素貝葉斯等四個門類。 1. 聚類演算法：k-means 聚類演算法的目