機器學習&深度學習之路
計劃最近好好按步驟按階段系統性的學習下機器學習和深度學習,希望能堅持下去。
基礎數學篇
- [高等數學:求導、梯度]
- [高等數學:泰勒展開]
- [概率論:基本概念、條件概率、全概率、樸素貝葉斯]
- [概率論:期望、方差、協方差]
- [概率論:常見分布]
- [線性代數:矩陣]
機器學習中的基本概念
- [機器學習的分類]
- [訓練集與測試集、樣本的平衡選擇]
- [正則化]
機器學習常用算法
- [線性回歸]
- [樸素貝葉斯]
- [決策樹]
- [K均值]
- [邏輯回歸]
- [SVM支持向量機]
- [K近鄰]
- [頻繁項集挖掘]
- [AdaBoost與GBDT]
機器學習的應用
- [推薦系統]
- [點擊率預估]
- [商品分類]
- [用戶聚類]
深度學習中的基本概念
- [卷積層]
- [池化層]
- [抓爆層]
- [全連接層]
深度學習常用算法
- [多層感知機]
- [循環神經網絡]
- [卷積神經網絡]
- [長短記憶網絡]
深度學習的應用
- AI之——無人車
- [AI之——AlphaGo圍棋大戰]
- [AI之——聊天機器人]
機器學習&深度學習之路
相關推薦
機器學習&深度學習之路
線性 概率論 向量 正則 決策 下機 正則化 希望 池化 計劃最近好好按步驟按階段系統性的學習下機器學習和深度學習,希望能堅持下去。 基礎數學篇 [高等數學:求導、梯度] [高等數學:泰勒展開] [概率論:基本概念、條件概率、全概率、樸素貝葉斯] [概率論:期望、方差
近200篇機器學習&深度學習資料分享
作者:廖君來源:github.com|2015-01-20 11:35 沙龍活動 | 3月31日 京東、微博、華為實戰專家與你共同探討容器技術實踐! 編者按:本文收集了百來篇關於機器學習和深度學習的資料,含各種文件,視訊,原始碼等。而且原文也會不定期的更新,望看到文章的朋友能夠學到更多。
機器學習&深度學習優化演算法
梯度下降演算法 1.給定資料集X = {}, 資料標記為:Y = {} 學習器:, 學習率:。 for {
Teaching Machines to Understand Us 讓機器理解我們 之三 自然語言學習及深度學習的信仰
boa ping beats pen des pla 遇到 muc net Language learning 自然語言學習 Facebook’s New York office is a three-minute stroll up Broadway from LeCun
機器學習&深度學習視訊資料彙總
pandax視訊教程 連結: https://pan.baidu.com/s/1pLqavVX 密碼: fath python入門到精通 連結: https://pan.baidu.com/s/1mhVNIkC 密碼: cvp3
五個案例,三大心得,深度學習的實踐應用之路
原文連結:http://geek.csdn.net/news/detail/202622 這篇文章對深度學習在工程級別應用上遇到的問題進行了很好地總結,並且提出一些有建設性的解決方案,很有實際意義。 當我們需要用深度學習處理現實問題時,除了相關
影象分類之:經典機器學習 Battle 深度學習
本文寫於2018.08.31, 生日前夕。 前段時間,有個朋友和我提到,自己最近正打算用機器來判別圖片中的場景是古鎮還是園林,所以我這一期特地寫了一篇文章,來描述影象的分類演算法。由於最近工作略忙,所以文章斷斷續續寫了好久,終於在自己生日前夕完成,希望可以有所幫助,這樣我就
人工智慧之機器學習與深度學習-4 術語辨析深度學習(葉梓老師)
術語辨析——深度學習 深度學習的原理 •深度學習:最初的深度學習是利用深度神經網路來解決特徵表達的一種學習過程。可大致理解為隱含層很多的一個神經網路結構。 •為了提高深層神經網路的訓練效果,人們對神經元的連線方法和啟用函式等方面做出相應的調整。 深度神經網路本身並不是一個全新的概念,其實
人工智慧之機器學習與深度學習-13
特徵提取與選擇 特徵 •特徵:反映資料分佈特點的關鍵資訊。 • •資料和特徵決定了機器學習的上限,而模型和演算法只是逼近這個上限而已。 • •特徵提取和特徵選擇都是從原始特徵中找出最有效的特徵。 •同類樣本的不變性 •不同樣本的鑑別性 •對噪聲的魯棒性 &nb
人工智慧之機器學習與深度學習-11機器學習實戰常見演算法示意
機器學習的常見演算法示意 決策樹、聚類、時間序列、樸素貝葉斯、SVM、關聯規則、神經網路、HMM、迴歸、遺傳演算法、K-NN、文字挖掘 機器學習的工具 lSPSS Clementine(modeler) lSAS Enterprise Miner
人工智慧之機器學習與深度學習-9機器學習的應用 葉梓老師
機器學習應用 •分類或預測趨勢:自動在大型資料庫中尋找預測性資訊,以往需要進行大量手工分析的問題現在可以直接由資料本身得出結論。 •發現事物之間的關係:資料關聯是一類重要的可被發現的知識。若兩個或多個變數的取值之間存在某種規律性,就稱為關聯。 •按特徵自動歸類:資料庫中的記錄可被劃分為一
葉梓老師開講0基礎學習人工智慧 人工智慧之機器學習與深度學習-6術語辨析——雲端計算
雲端計算:通俗的說,就是不用每家每戶弄一個發電機,而是集中建一個發電廠,每家只需要插上插頭就可以用電,根據用電的多少來計費。使用者不用關心發電廠建在哪裡、如何發電,也不用操心如何維護髮電廠本身的運轉和安全。 •雲端計算平臺一般是指涵蓋IT基礎設施、計算資源和平臺作業系統的服務整合體。 •雲平
葉梓老師開講0基礎學習人工智慧 人工智慧之機器學習與深度學習-6術語辨析——大資料
術語辨析——大資料 •大資料:大資料是一種從資料的採集、管理、分析、挖掘到提供服務,解決超量資料條件下行業問題的綜合能力。 •大資料是從資料生命週期這個維度來看的知識獲取過程,也是一種基於超量資料的思維方式。 •通常講大資料都會提到4個V,Volume
人工智慧之機器學習與深度學習-1(葉梓老師)
先來講一些概念: 術語辨析——資料探勘 •資料探勘:資料探勘是從資料中發掘知識的過程,在挖掘資料的過程中需要用到一些挖掘工具和方法。 •這些工具可以是基於資料庫的挖掘方法。資料探勘也可以用到機器學習的方法,比如各種分類模型(如:決策樹和SVM)、概率圖模型以及深度學習的
人工智慧之機器學習與深度學習-14
歸一化 •在各量綱不一而對比標準一致時,需要做歸一化。 •歸一化也有不同的方法,正確選擇方法對資料處理的有效性和精確性影響很大。 •有限區間的歸一化: •無限區間的歸一化: Python實現的歸一化 •import&n
100天搞定機器學習|Day35 深度學習之神經網路的結構
100天搞定機器學習|Day1資料預處理 100天搞定機器學習|Day2簡單線性迴歸分析 100天搞定機器學習|Day3多元線性迴歸 100天搞定機器學習|Day4-6 邏輯迴歸 100天搞定機器學習|Day7 K-NN 100天搞定機器學習|Day8 邏輯迴歸的數學原理 100天搞定機器學習|Day9-12
重磅福利!!機器學習和深度學習學習資料合集
best from pytho robert article 我會 you sandbox lob 比較全面的收集了機器學習的介紹文章,從感知機、神經網絡、決策樹、SVM、Adaboost到隨機森林、Deep Learning。 《機器學習經典論文/survey合
人工智能 VS 機器學習 VS 深度學習
machine 深度 clean nal mach gen ats lean clas (原文:) The Difference Between AI, Machine Learning, and Deep Learning? (譯文:) 人工智能 、 機器學習 和
機器學習和深度學習資料整理
分布 ural 集成 www 統計學習 cnblogs pattern 學習方法 .net 理論入門(裏面的程序有些問題,但理論講得挺好的) https://www.zybuluo.com/hanbingtao/note/476663 tensorflow編程入門 http
python數據可視化、數據挖掘、機器學習、深度學習 常用庫、IDE等
深度學習 貝葉斯 int clip plot 隨機森林 isp mean notebook 一、可視化方法 條形圖 餅圖 箱線圖(箱型圖) 氣泡圖 直方圖 核密度估計(KDE)圖 線面圖 網絡圖 散點圖 樹狀圖 小提琴圖 方形圖 三維圖