转到正文

博客水木

一个学习总结与工作经验分享博客。

存档

分类: 人工智能

这是一篇计算机视觉入门指南,从概念、原理、用例等角度介绍了计算机视觉。 「机器能够模拟人类视觉系统」的幻想已经过时了。自 1960 年代第一批学术论文出现以来,计算机视觉已经走了很远,现代系统已经出现,且它们可以集成到移动应用中。 今天,由于其广泛应用和巨大潜力,计算机视觉成为最热的人工智能和机器学...继续阅读

...

通过互联网学习意味着可以在无垠的知识海洋中遨游,但也可能因为广阔而迷失。在这个项目中,作者为机器学习提供了一个完整的学习路径。从 ML 到 DL、Scikit-Learn 到 TensorFlow,你需要这份学海指南。 曾有多少次,当你试图接近某一个新主题或领域时,会感到困惑、迷失方向并且无「路」可循。要如何确保你能够深刻理解...继续阅读

...

机器学习开发者需要了解的 12 种概率分布,这些你都了解吗? 机器学习有其独特的数学基础,我们用微积分来处理变化无限小的函数,并计算它们的变化;我们使用线性代数来处理计算过程;我们还用概率论与统计学建模不确定性。在这其中,概率论有其独特的地位,模型的预测结果、学习过程、学习目标都可以通过概率的角度来...继续阅读

...

如何通过免费方式学习数据科学?数据科学家 Rebecca Vickery 从技术能力、理论和实践经验三个方面入手介绍了自己的经验。 在传统教育机构中读硕士学位的平均成本差不多在 3 万到 12 万美元之间。在线数据科学学位课程也不便宜,最低成本为 9000 美元。如果你想学数据科学,但支付不起这笔费用,应该怎么办呢? 我在成...继续阅读

...

自然语言处理路线图详解,从数学基础、语言基础到模型和算法,这是你该了解的知识领域。 自然语言处理很多时候都是一门综合性的学问,它远远不止机器学习算法。相比图像或语音,文本的变化更加复杂,例如从预处理来看,NLP 就要求我们根据对数据的理解定制一种流程。而且相比图像等更偏向感知的智能,自然语言包含更高一...继续阅读

...

想学 AI 又担心没有数学背景或软件背景?没关系,这篇博客非常适合你。 我曾经花费一年半的时间自学各种在线课程和博客,过程中有太多专家、太多信息,而且他们的很多观点还有冲突。我在学习过程中经常充满自我怀疑。 我不想要很多专家帮我学习,我只想要一个老师。我希望有人能够拉着我的手说:「Dave,这就是你需要学的...继续阅读

...

深度强化学习在机器学习领域的热度一直很高。最近,GitHub 开源了一份深度强化学习的教程,总结了从 DQN 到彩虹模型的理论和代码实现。读者朋友可以根据需要学习研究。教程代码基于 PyTorch,可在 Colab 中运行。 深度强化学习是强化学习中的重要研究领域。这一技术使用深度神经网络,提升智能体在训练中的表现。而目...继续阅读

...

入门机器学习是一个循序渐进的过程,优质的学习资源和科学的学习路线缺一不可。在本文中,来自英伟达人工智能应用团队的计算机科学家 Chip Huyen 不仅列出了十大优质的免费机器学习课程资源,还将其串成了一条高效的学习路线。 Chip Huyen 是一位来自越南的作家和计算机科学家,现居于美国硅谷,就职于英伟达人工智能应...继续阅读

...

本文由知名开源平台,AI 技术平台以及领域专家:Datawhale,ApacheCN,AI 有道和黄海广博士联合整理贡献,内容涵盖 AI 入门基础知识、数据分析\挖掘、机器学习、深度学习、强化学习、前沿 Paper 和五大 AI 理论应用领域:自然语言处理,计算机视觉,推荐系统,风控模型和知识图谱。是你学习 AI 从入门到专家必备的学...继续阅读

...

上次文摘菌给大家推荐了一个能让算法动起来的开源项目之后,有热心的读者给文摘菌推荐了另一个算法可视化的网站。文摘菌打开之后,立即被起画风所折服,所以决定探索一番。 先给出网站地址: https://visualgo.net/en 这个网站的名字叫做VisuAlgo,是2011年由Steven Halim博士所开发,最初的目的是帮助学生更好地理解数...继续阅读

...
建站服务