machinelearning

PyTorch - autograd自动微分

论文：AutomaticDifferentiationinMachineLearning:aSurvey，自动微分参考PyTorch：AUTOMATICDIFFERENTIATIONWITHTORCH.AUTOGRADLoss
SpikeKing·2022-07-06 11:16

四、机器学习基础

文章目录1、训练集(training)，交叉验证集(dev)和测试集(test)2、偏差(bias)和方差(variance)的处理3、Basicrecipeformachinelearning4、神经网络的归一化
Dragon Fly·2022-07-05 10:33

统计学习方法---李航

统计学习也称为统计机器学习(statisticalmachinelearning).机器学习称为统计学习更学术化。
02Bigboy·2022-07-05 07:11

统计学习方法（李航）--1.1 统计学习 读书笔记

又称为统计机器学习(statisticalmachinelearning)。主要特点：（1）以计算机及网络为平台，是建立在计算机及网络之上的。（2）以数据为研究对象，是数据驱动学科。
yuanProgramming·2022-07-05 07:38

学习笔记：李航统计学习方法

也称为统计机器学习(statisticalmachinelearning)特点：以数据为研究对象，对数据进行预测与分析对象：data结构化data：数字。
三耳01·2022-07-05 07:17

Spark ML(lib)实验：利用银行营销数据集预测客户是否订阅产品

一、实验描述数据集来源于UCI的银行营销数据集(UCIMachineLearningRepository:BankMarketingDataSet)。数据与葡萄牙一家银行机构的直接营销活动有关。
珞清殇·2022-07-04 15:52

使用基于Apache Spark的随机森林方法预测贷款风险

原文：PredictingLoanCreditRiskusingApacheSparkMachineLearningRandomForests作者：CarolMcDonald，MapR解决方案架构师翻译
Mr__fang·2022-07-04 15:19

查阅了十几篇学习资源后，我总结了这份AI学习路径

tags:AI,machinelearning,deeplearning文章目录1引言2方法论3人工智能科普3.1AI人文历史3.2当前AI发展及布局状况3.3AI架构及职位选择3.3.1AI架构视角3.3.2AI
masonlee32·2022-07-04 09:49

爷青结！吴恩达十年《机器学习》课程关闭注册！网友：一个时代的终结

要说人工智能领域的课程，斯坦福大学客座教授吴恩达的《机器学习》（MachineLearning）堪称经典。该课程最开始于2012年在Coursera上线，十年间已经吸引了近500万人注册。
夕小瑶·2022-07-04 07:37

图解：AI 与深度学习及机器学习，三者之间的区别

所以我也在自学MachineLearning。不过在AI方面的知识却是需要
前端修罗场·2022-07-04 07:07

机器学习——基本认识

一：机器学习定义机器学习：MachineLearning什么是机器学习？
_瞳孔·2022-07-03 14:04

大数据----Hadoop----Spark入门介绍

文章目录Spark1．SparkCore2．SparkSQL3．SparkStreaming4．MLlibMachineLearningLibrary5．GraphXHadoop生态圈包含多种组件，貌似各不相同
noworldling·2022-07-02 07:33

【机器学习】推荐几款很流行的面向 Javascript 的机器学习库

所以我也在自学MachineLearning。不过在AI方面的知识却是需要
前端修罗场·2022-07-02 07:04

【BML全功能AI开发平台初体验】目标检测数据集——智能标注

选择连续标注第四步：开始标注第五步：手动标注结束四、开始智能标注第一轮难例筛选开始第一轮难例筛选结束第二轮难例筛选开始第二轮难例筛选结束标注结束五、总结最近发现了一个全功能AI开发平台，叫做BML（BaiduMachineLearning
七年期限·2022-07-01 08:28

mercari机器学习深度学习观点中的定价对象

ThisismyfirstweblogandI’mverypleasedtosharemymachinelearning&deeplearningexperiencewhiledecipheringthesolutionforaKagglecompetition.ThoughitwasalatesubmissiontoKaggle
weixin_26704853·2022-07-01 07:55

机器学习模型解决互为因果_学习因果模型

mStJohnandIwriteblogsaboutmoderntechnologiesandinterestingthingsformypersonalblogstjohngrimbly.com.I’mcurrentlyinterestedinmachinelearningandcausalityamongotherthings.Ihopeyoue
weixin_26752075·2022-07-01 07:50

贝叶斯优化xgboost_超参数调整xgboost和神经网络的hyperopt贝叶斯优化

CertainparametersforanMachineLearningmodel:learning-rate,alpha,max-depth,co
weixin_26730921·2022-07-01 07:20

【机器学习】机器学习系统SysML 阅读表

SysMLreadinglistReviewABerkeleyViewofSystemsChallengesforAIhttps://arxiv.org/pdf/1712.05855.pdfStrategiesandPrinciplesofDistributedMachineLearningonBigDatahttps
处女座程序员的朋友·2022-07-01 07:47

图神经网络库介绍

图神经网络库介绍图神经网络库介绍DeepGraphLibrary（DGL）PyTorchGeometric（PyG）tf_geometricAntGraphmachineLearningsystem（AGL
兔子牙丫丫·2022-07-01 07:12

机器学习开源框架_2020年您需要了解的15种未发现的开源机器学习框架。

机器学习开源框架MachineLearning(ML)isoneofthefastestemergingtechnologiestoday.Andtheapplicationofmachinelearningtodifferentareasofcomputingisgainingpopularityrapidly
cumian9828·2022-07-01 07:18

ML&DL：《Hyperparameter tuning for machine learning models机器学习模型的超参数调优》翻译与解读

ML&DL：《Hyperparametertuningformachinelearningmodels机器学习模型的超参数调优》翻译与解读目录《Hyperparametertuningformachinelearningmodels
一个处女座的程序猿·2022-07-01 07:30

mediapipe实现实时动作检测【python版本】

实现实时动作检测前言安装opencv-python安装mediapipe可能遇到的错误先来实现单张图片的人体关键点检测检测实现视频实时动作检测前言MediaPipe为直播和流媒体提供跨平台、可定制的机器学习（MachineLearning
再游于北方知寒·2022-07-01 07:59

Google 辟谣放弃 TensorFlow，它还活着！

作者|苏宓出品|CSDN（ID：CSDNnews）不知道是不是之前“TensorFlow将死”的谣言传得过盛，Google于日前紧急发布了一篇标题为《BringingMachineLearningtoeverydeveloper
CSDN资讯·2022-06-30 09:33

Google 辟谣放弃 TensorFlow，它还活着！

作者|苏宓出品|CSDN（ID：CSDNnews）不知道是不是之前“TensorFlow将死”的谣言传得过盛，Google于日前紧急发布了一篇标题为《BringingMachineLearningtoeverydeveloper
CSDN资讯·2022-06-30 09:53

Machine Learning 高频面试题

第三类问题与你对机器学习问题的兴趣相关【GeneralMachineLearningInterest】：你会被问到这个行业的运作如何，以及你如何跟上最新的机器学习趋势。第四类问题与你对于行业和
梦想家DBA·2022-06-29 23:04

covid 19展示的四个数据科学基础课

Machinelearningandtoolsfordatasciencearemoreavailablethanever.Butit’sjustasimportanttolearnhowtoexploredataeffectivelyandfindoutitsweaknessesbeforeyoufeedthedataintoyourmodellingtools
weixin_26750511·2022-06-29 07:48

机器学习(Machine Learning)与深度学习(Deep Learning)资料汇总

《BriefHistoryofMachineLearning》介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost到随机森林、DeepLearning.
jianghuchuanwen·2022-06-28 07:33

2021-2022自然语言处理会议/期刊 整理 #建议收藏#

期刊其他相关领域会议时间1.信息检索和数据挖掘领域2.人工智能领域3.机器学习领域NLP会议2021-2022InternationalConferencesinArtificialIntelligence,MachineLearning
一只帅气的IT Monkey·2022-06-28 07:57

机器学习综述论文笔记：Machine Learning: A Review of Learning Types

机器学习reviewPaper：MachineLearning:AReviewofLearningTypes这是一篇关于机器学习的综述，里面简述了各种现有的机器学习技术。
qq_31541101·2022-06-28 07:03

MOCO论文精读-用于组合优化的机器学习：方法论之旅(Yoshua Bengio, 2021)-翻译

Machinelearningforcombinatorialoptimization:Amethodologicaltourd’horizon论文：BengioY,LodiA,ProuvostA.Machinelearningforcombinatorialoptimization
striving长亮·2022-06-28 07:28

美团机器学习实践 密码_机器学习遇到密码学的地方

美团机器学习实践密码Whenreadingthis,chancesarethatyouknowoneoranotherthingaboutmachinelearningalready.Youknowthatmachinelearningalgorithmstypicallytakeinabunchofsamples
weixin_26636643·2022-06-23 07:52

密码学思想与机器学习

本篇文章为组会关于【2020CRYPTO】CryptanalyticExtractionofNeuralNetworkModels和【2022arXiv】PlantingUndetectableBackdoorsinMachineLearningModels
3077491278·2022-06-23 07:10

机器学习和深度学习资料合集

《BriefHistoryofMachineLearning》介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost到
weixin_34217773·2022-06-20 07:34

机器学习 凝聚态物理_机器学习遇到了凝聚的问题

(Whymachinelearning?)
weixin_26752765·2022-06-17 07:26

李宏毅《深度学习》（六）

人工智能的浪潮正在席卷全球，诸多词汇时刻萦绕在我们耳边：人工智能（ArtificialIntelligence）、机器学习（MachineLearning）、深度学习（DeepLearning）。
爱读Paper的Toby·2022-06-16 07:30

Machine Learning in Action 读书笔记---第12章 使用FP-growth算法来高效发现频繁项集

MachineLearninginAction读书笔记第12章使用FP-growth算法来高效发现频繁项集文章目录MachineLearninginAction读书笔记一、FP-growth算法1.FP-growth
dongyuyuu·2022-06-15 07:01

机器学习管道模型_使用连续机器学习来运行您的ml管道

机器学习管道模型VaithyNarayananVaithyNarayananFollow跟随Jul157月15使用连续机器学习来运行ML管道(UsingContinuousMachineLearningtoRunYourMLPipeline
一二三是五六十·2022-06-14 10:19

【文献翻译】综述：机器学习可解释性

原文链接：ReviewStudyofInterpretationMethodsforFutureInterpretableMachineLearningAbstract近年来，黑箱模型因其精度高而得到迅速发展
饮默、·2022-06-14 10:31

Machine Learning with Matminer(附代码)

MachineLearningwithMatminer1.Matminer介绍2.Matminer安装3.MLwithMatminer3.1获取Matminer内置数据集3.2建立特征3.3使用随机森林对带隙性质进行预测参考
喝过期的拉菲·2022-06-14 09:42

Colab教程（超级详细版）及Colab Pro/Colab Pro+使用评测

在下半年选修了机器学习的关键课程Machinelearninganddeeplearning，但由于MacbookPro显卡不支持cuda，因此无法使用GPU来训练网络。
温柔的玉米·2022-06-12 22:00

吴恩达机器学习----应用机器学习的建议

（共18章，其中第3章“线性代数回顾”与第5章“Octava教程”的笔记就不总结了）第十章应用机器学习的建议(AdviceforApplyingMachineLearning)获得更多的训练实
huapusi·2022-06-12 15:40

贝叶斯优化xgboost_超参数调整xgboost和神经网络的hyperopt贝叶斯优化

CertainparametersforanMachineLearningmodel:learning-rate,alpha,max-depth,co
weixin_26738395·2022-06-12 12:55

Stanford机器学习---第十讲 数据降维

本栏目（Machinelearning）包括单参数的线性回归、多参数的线性回归、OctaveTutorial、LogisticRegression、Regularization、神经网络、机器学习系统设计
画面很美·2022-06-12 07:35

python机器学习（六）回归算法-逻辑回归

逻辑回归同步更新在个人网站：http://www.wangpengcufe.com/machinelearning/pythonml-pythonml6/一、概述1.1、概念是一种名为“回归”的线性分类器
王小鹏的随笔·2022-06-11 17:01

语音特征提取: 看懂梅尔语谱图(Mel-spectrogram)、梅尔倒频系数(MFCCs)的原理

本文内容借鉴于:SpeechProcessingforMachineLearning:Filterbanks,Mel-FrequencyCepstralCoefficients(MFCCs)andWhat
BeichenLiu.Polaris·2022-06-10 07:06

机器学习基础：人工智能、机器学习、深度学习的概念和关系（一）

本文属于入门深度学习系列文章的第一篇，该系列专栏主要是记录我在Coursera上学习AndrewNg的MachineLearning和DeepLearning.AI课程时做的笔记，如果有错误请联系我，我将尽快修改
George_Will·2022-06-07 19:54

人工智能、机器学习和深度学习的定义和关系

的问题2、机器学习（machinelearning）：人们输入数据和从这些数据中预期得到的答案，系统输出的是规则，这些规则随后可应用于新的数据，并使计算机自主生成答案。
小白进阶手册·2022-06-07 19:47

8大策略让你对抗机器学习数据集里的不均衡数据

/www.36dsj.com/archives/35137http://blog.csdn.net/heyongluoyao8/article/details/49408131英文版本：http://machinelearningmastery.com
帅气的弟八哥·2022-06-07 18:10

2022年除了深度学习，人工智能算法有可能突破的10个方向

参见：https://www.reddit.com/r/MachineLearning/comments/rq6uih/d_other_ai_methodsalgorithms_except_deep_neural
常政·2022-06-07 14:50

李宏毅老师2020机器学习（深度学习）——知识点总结篇（1-20）

p=1目录李宏毅老师2020机器学习——知识点总结篇（1-20）1MachineLearning2Ru
阿芒Agape·2022-06-07 07:01
上一页 41 42 43 44 45 46 47 48 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他