有问题吗?

如果你有任何问题,你可以问下面或输入你正在寻找的!

《Python深度学习》中文版PDF附英文原版Deep Learning With Python下载

《Python深度学习》中文版PDF及对应的英文原版pdf《Deep Learning With Python》中文版314页,英文版373页,带目录 人工智能机器学习经典教程 用Python Keras TensorFlow进行深度学习的探索实践 Keras之父 谷歌人工智能研究员执笔 深度学习领域力作 下载地址:https://pan.baidu.com/s/1cTcINmIm9dozvM . . .阅读

谷歌科研成果 2018 年年终总结(上篇)

雷锋网 AI 科技评论按:年终总结可能会迟到,但不会缺席! 圣诞节+元旦假期过后,谷歌资深 Fellow、谷歌 AI 负责人 Jeff Dean 代表所有谷歌的研究部门发出了他们的 2018 年度科研研究年终总结。这一年,谷歌的科研人员们在人工智能、量子计算、计算图形学、算法理论、软件系统、TPU、开源软件与数据集、机器人技术、AI 应用、医疗保健等许多方面做出了许多新的成果,不仅有许多论文,更有 . . .阅读

大数据和人工智能时代下的数字化工作流

大数据、人工智能以及与之相伴相生的物联网已经成为现代社会的运行方式,信息技术的急速发展,和数据量爆炸式增长,改变了整个社会传统的运行方式。人类与信息技术的关系,也发生了诸多的变化。 人类与信息的关系发生了变化 1 大数据、人工智能与云技术化 在这里相信有许多想要学习大数据的同学,大家可以+下大数据学习裙:957205962,即可免费领取套系统的大数据学习 . . .阅读

2018 年最棒的三篇 GAN 论文

雷锋网 AI 科技评论按:本文作者 Damian Bogunowicz,于去年在慕尼黑大学获得硕士学位,主攻机器人、认知和智能专业方向,他在参与一个研究项目的过程中阅读了大量计算机视觉深度学习相关论文,并从 Reddit 网站上「What are best papers regarding GANs for 2018 you read?」这一话题讨论受到启发,挑选出来 2018 年度三篇最佳 GA . . .阅读

机器学习之决策树(一)

1、算法介绍决策树是一种基本的分类和回归方法,决策树模型呈树形结构,在分类问题中,表示基于特征对实例进行分类的过程。决策树学习通常包括三个步骤:特征选择、决策树的生成和决策树的修剪。决策树的本质是从训练数据集中归纳出一组分类规则。本文主要是对决策树的ID3算法的介绍,后文会介绍C4.5和CART算法。 2、算法优缺点优点:计算复杂度不高,结果易于理解,对于中间值的缺失不敏感,可以处 . . .阅读

机器学习深度学习领域参考书 《TensorFlow技术解析与实战》PDF下载

《TensorFlow技术解析与实战》 机器学习深度学习领域参考书 包揽TensorFlow1.1的新特性 人脸识别 语音识别 图像和语音相结合等热点一应俱全 李航 余凯等人工智能领域专家倾力推荐目录第一篇 基础篇下载地址:https://pan.baidu.com/s/1iKDExWOgCuvxyqsF12abFg备用地址:https://u1593575.ctfile.com/fs/1593 . . .阅读

2018 年度 GtiHub 开源项目 TOP 25:数据科学 & 机器学习

雷锋网 AI 科技评论按:本文作者 Pranav Dar 是 Analytics Vidhya 的编辑,对数据科学和机器学习有较深入的研究和简介,致力于为使用机器学习和人工智能推动人类进步找到新途径。2018 这一年中,作者在每个月都会发布一份开源项目月度推荐榜单,而本文则是对全年开源项目的盘点和总结。雷锋网(公众号:雷锋网) AI 科技评论编译如下。 前沿 关于托管代码、与团队成员合作 . . .阅读

机器学习之朴素贝叶斯算法

1、算法介绍贝叶斯算法是基于概率论中的贝叶斯定理而来的,但在实际算法中,为了简化运算,通常采用的是朴素贝叶斯。朴素贝叶斯(naïve Bayes)法是基于贝叶斯定理与特征条件独立假设的分类方法。在统计学中,相互独立的含义是它们中一个已发生,不影响另一个发生的概率,即特征条件独立指一个特征出现的可能性与其他特征之间没有关系。 2、算法基础(贝叶斯公式的理解)先验概率:P(Y . . .阅读

机器学习之KNN(k近邻)算法

1、算法介绍k近邻算法是学习机器学习的入门算法,可实现分类与回归,属于监督学习的一种。算法的工作原理是:输入一个训练数据集,训练数据集包括特征空间的点和点的类别,可以是二分类或是多分类。预测时,输入没有类别的点,找到k个与该点距离最接近的点,使用多数表决的方法,得出最后的预测分类。 2、算法优缺点优点:没有高深的数学思想,容易理解,精度高,对异常值不敏感,无数据输入假定;缺点:计算 . . .阅读