转到正文

博客水木

一个学习总结与工作经验分享博客。

       自然语言处理知识太庞大了,网上也都是一些零零散散的知识,比如单独讲某些模型,也没有来龙去脉,学习起来较为困难,于是我自己总结了一份知识体系结构,不足之处,欢迎指正。内容来源主要参考黄志洪老师的自然语言处理课程。主要参考书为宗成庆老师的《统计自然语言处理》,虽然很...继续阅读

营长的一位转型AI的朋友,最近对营长抱怨,“走过的最远的路,就是机器学习过程中的弯路”,然后开始各种blablabla,从论文的坑,到模型的坑,再到培训的坑…一路吐槽。 尤其是论文,他骂道:“最讨厌的就是那种,高高在上、假装清高、站着说话不腰疼、戳不到痛点的论文。比如那一堆只能在理论中刷存在感...继续阅读

本文转自将门创投(thejiangmen) 来源 | ParallelDots 编译 | Tom Ren 深度学习模型近年来在图像分类领域的能力得到了指数级的提升,并成为了AI领域最为活跃的研究领域。但其实深度学习的历史并不长,Yann Lecun在1998年的时候发表了卷积神经网络的前言探索,但是在深度学习真正爆发之前经历了多年的沉积。 ...继续阅读

Why CNN 首先回答这样一个问题,为什么我们要学CNN,或者说CNN为什么在很多领域收获成功?还是先拿MNIST来当例子说。MNIST数据结构不清楚的话自行百度。。 我自己实验用两个hidden layer的DNN(全连接深度神经网络)在MNIST上也能取得不错的成绩(98.29%)。下面是一个三个hidden layer的网络结构图  盗图...继续阅读

翻译 | AI科技大本营 参与 | zzq 审校 | reason_W 我们知道,TensorFlow是一个深度学习框架,它通常用来在服务器上训练需要大量数据的大模型。随着智能手机的普及,人们也越来越注意到手机这个巨大的新兴市场,这个市场未来的发展同样也需要人工智能。过去的几年,市场上涌现出了很多热爱机器学习并且愿...继续阅读

编译 | AI 【AI科技大本营导读】人工智能和机器学习已经跳出科幻小说的范畴,冲进了现实。不管是技术层面还是商业环境方面,这些领域都在迅速发展,紧跟潮流的步伐是非常重要的。 无论你是技术参与者还是战略思考者,这些技术对于各种规模的企业都具有改变“游戏规则”的意义。 对于学习新的人工智能和机器...继续阅读

深度学习能够训练机器执行一些令人难以置信的任务,例如面部识别,癌症检测,甚至是股市预测。这就是为什么我们要学深度学习。 以下这些书可以让你从零开始学习深度学习。本文综述中的每一本书都有各自的优点,而且每一本书都非常出色。我已经把它们按我认为是最好的以及我建议学习先后的顺序排名。 1.用Scik...继续阅读

大学公开数据集 (Stanford)69G大规模无人机(校园)图像数据集【Stanford】 http://cvgl.stanford.edu/projects/uav_data/ 人脸素描数据集【CUHK】 http://mmlab.ie.cuhk.edu.hk/archive/facesketch.html 自然语言推理(文本蕴含标记)数据集【NYU】 https://www.nyu.edu/projects/bowman/multinli/ Berkeley图像分...继续阅读

如果你的一大坨数据没。有。标。签,怎么办? 无监督学习是机器学习算法里非常扑朔迷离的一个类别,负责解决这些“没有真实值 (no-ground-truth) ”的数据。 本文会讲到,无监督学习到底是什么,和机器学习的其他算法有何本质区别,用的时候有哪些难点,以及推荐阅读的传送门。 无监督学习是什么? 最简单的理解...继续阅读

导读:AI教育的浪潮已经席卷国内外,资本也慷慨地对AI教育投出了橄榄枝。《2016年中国在线教育产业蓝皮书》公布的数据显示,2016年中国在线教育市场规模达到1560.2亿元,同比增长速度为27.3%,预计之后几年将继续保持20%左右的速度增长,到2019年达2692.6亿元。2017年7月,国务院出台的《新一代人工智能发展规划...继续阅读

建站服务