2018年值得收藏的30個(gè)機(jī)器學(xué)習(xí)案例

在過(guò)去的一年里，我們比較了近8800個(gè)開(kāi)源的機(jī)器學(xué)習(xí)項(xiàng)目，并從中評(píng)選出了前30名(0.3%的機(jī)會(huì)入選)。

2018-10-06 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)AI機(jī)器學(xué)習(xí) 1.2萬(wàn) 0

干貨：深度學(xué)習(xí) vs 機(jī)器學(xué)習(xí) vs 模式識(shí)別三種技術(shù)對(duì)比

本文來(lái)自CMU的博士，MIT的博士后，vision.ai的聯(lián)合創(chuàng)始人Tomasz Malisiewicz的個(gè)人博客文章，閱讀本文，你可以更好的理解計(jì)算機(jī)...

2017-02-16 標(biāo)簽：人工智能機(jī)器學(xué)習(xí)深度學(xué)習(xí) 1.2萬(wàn) 0

什么是人工智能?人工智能的分類和應(yīng)用介紹

眾所周知，刷臉認(rèn)證、自動(dòng)駕駛、大數(shù)據(jù)推送、智能音箱、手術(shù)機(jī)器人……人工智能被廣泛應(yīng)用于各個(gè)領(lǐng)域，由此引起的數(shù)據(jù)偽造、算法瓶頸、隱私安全、倫理困境等問(wèn)題也...

2020-12-12 標(biāo)簽：機(jī)器人人工智能機(jī)器學(xué)習(xí) 1.2萬(wàn) 0

無(wú)監(jiān)督學(xué)習(xí)的理論解釋與實(shí)踐教程

這一切的完成都是借助算法根據(jù)相似性來(lái)對(duì)事物進(jìn)行分組。相似度的度量是通過(guò)選擇算法來(lái)指定的，但是為什么不嘗試盡可能多的相似度度量呢? 因?yàn)槟阋膊恢滥阍趯ふ?..

2018-07-24 標(biāo)簽：數(shù)據(jù)聚類機(jī)器學(xué)習(xí) 1.2萬(wàn) 0

總結(jié)Tensorflow純干貨學(xué)習(xí)資源，分為教程、視頻和項(xiàng)目三大板塊

基于Facebook中FastText的簡(jiǎn)單嵌入式文本分類器：https://github.com/apcode/tensorflow_fasttext...

2018-04-16 標(biāo)簽：機(jī)器學(xué)習(xí)Tensorflow 1.2萬(wàn) 0

人工智能C4．5算法的概念和優(yōu)點(diǎn)

C4．5算法與ID3算法一樣使用了信息熵的概念，并和ID3一樣通過(guò)學(xué)習(xí)數(shù)據(jù)來(lái)建立決策樹(shù)。ID3算法使用的是信息熵的變化值，而C4．5算法使用的是信息增益...

2018-06-28 標(biāo)簽：數(shù)據(jù)機(jī)器學(xué)習(xí)決策樹(shù) 1.1萬(wàn) 0

十大經(jīng)典機(jī)器學(xué)習(xí)算法之一--Apriori

Apriori算法使用一種稱為逐層搜索的迭代方法，其中k項(xiàng)集用于探索（k+1）項(xiàng)集。首先，通過(guò)掃描數(shù)據(jù)庫(kù)，累計(jì)每個(gè)項(xiàng)的計(jì)數(shù)，并收集滿足最小支持度的項(xiàng)，找...

2018-06-25 標(biāo)簽：網(wǎng)絡(luò)數(shù)據(jù)庫(kù)機(jī)器學(xué)習(xí) 1.1萬(wàn) 0

如何快速學(xué)會(huì)Python？利用Python進(jìn)行數(shù)據(jù)分析

比如量級(jí)稍微大些的數(shù)據(jù)，Office的性能根本不能滿足需求，而用 Python 可以輕松地處理、分析。而微軟也正在考慮將 Python 作為 Excel...

2018-04-17 標(biāo)簽：機(jī)器學(xué)習(xí)Python 1.1萬(wàn) 0

MNIST是一個(gè)簡(jiǎn)單的計(jì)算機(jī)視覺(jué)數(shù)據(jù)集

為了探索這一點(diǎn)，我們可以把MNIST數(shù)據(jù)點(diǎn)看作是在一個(gè)784維立方體中固定的一點(diǎn)。立方體的每個(gè)維度都對(duì)應(yīng)一個(gè)特定的像素，根據(jù)像素強(qiáng)度，數(shù)據(jù)點(diǎn)的范圍在0到...

2018-05-07 標(biāo)簽：圖像機(jī)器學(xué)習(xí)數(shù)據(jù)集 1.1萬(wàn) 0

GitHub星數(shù)最多的Top 10熱門(mén)項(xiàng)目

這個(gè)GitHub庫(kù)提供了他們的論文“DARTS: Differentiable Architecture Search”中的代碼。在這篇論文中，研究者提...

2018-07-29 標(biāo)簽：圖像機(jī)器學(xué)習(xí)數(shù)據(jù)集 1.1萬(wàn) 0

一項(xiàng)Gmail新功能-智能撰寫(xiě),為電子郵件寫(xiě)作提供了一種新的方式

當(dāng)然，確定使用這種建模方法后，我們?nèi)孕枰{(diào)整不同的模型超參數(shù)，并在數(shù)十億個(gè)樣本上訓(xùn)練模型，這些加起來(lái)需要耗費(fèi)大量時(shí)間。為了加快速度，我們使用完整的 TP...

2018-05-31 標(biāo)簽：CPU電子郵件機(jī)器學(xué)習(xí) 1.1萬(wàn) 0

基于無(wú)人機(jī)的無(wú)線通信系統(tǒng)的潛在優(yōu)勢(shì)和應(yīng)用分析

當(dāng)前無(wú)人機(jī)的應(yīng)用飛速發(fā)展。無(wú)人機(jī)自身固有的機(jī)動(dòng)性、靈活性和高度適當(dāng)?shù)忍匦允蛊湓跓o(wú)線系統(tǒng)中有非常大的應(yīng)用潛力。一方面，無(wú)人機(jī)可用作空中基站，增強(qiáng)無(wú)線網(wǎng)絡(luò)覆...

2020-01-25 標(biāo)簽：無(wú)線通信無(wú)人機(jī)機(jī)器學(xué)習(xí) 1.1萬(wàn) 0

Move Mirror使用攝像頭捕捉你的動(dòng)作，實(shí)時(shí)匹配和你動(dòng)作相近的圖像

表現(xiàn)出色，又是自家出品，所以Move Mirror團(tuán)隊(duì)順理成章地選擇了PoseNet作為應(yīng)用背后的模型。在原型開(kāi)發(fā)階段，團(tuán)隊(duì)通過(guò)簡(jiǎn)單的web API訪問(wèn)...

2018-07-22 標(biāo)簽：Google機(jī)器學(xué)習(xí)數(shù)據(jù)集 1.1萬(wàn) 0

以預(yù)測(cè)葡萄酒品質(zhì)作為例子，帶你步入機(jī)器學(xué)習(xí)的大門(mén)

現(xiàn)在，你如何教會(huì)Jon Snow貓和狗的區(qū)別？答案很直觀——你帶它出去散步，當(dāng)你看到一只貓時(shí)，你指著貓說(shuō)：“這是貓。”你繼續(xù)走，可能會(huì)看到一條狗，所以你...

2018-07-02 標(biāo)簽：人工智能機(jī)器學(xué)習(xí)數(shù)據(jù)集 1.1萬(wàn) 0

機(jī)器學(xué)習(xí)發(fā)展歷程與機(jī)器學(xué)習(xí)應(yīng)用之道

監(jiān)督學(xué)習(xí)（Supervised Learning）是從有標(biāo)簽的訓(xùn)練數(shù)據(jù)中學(xué)習(xí)模型，然后對(duì)某個(gè)給定的新數(shù)據(jù)利用模型預(yù)測(cè)它的標(biāo)簽。如果分類標(biāo)簽精確度越高，則...

2022-07-10 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)算法機(jī)器學(xué)習(xí) 1.1萬(wàn) 0

帶你入門(mén)常見(jiàn)的機(jī)器學(xué)習(xí)分類算法——邏輯回歸、樸素貝葉斯、KNN、SVM、決策樹(shù)

樸素貝葉斯方法是一組基于貝葉斯定理的監(jiān)督學(xué)習(xí)算法，在給定類變量值的情況下，樸素假設(shè)每對(duì)特征之間存在條件獨(dú)立性。下面我將介紹幾種樸素貝葉斯的方法。

2019-05-06 標(biāo)簽：機(jī)器學(xué)習(xí)決策樹(shù)樸素貝葉斯 1.1萬(wàn) 0