几个月前，红色石头发文介绍过一份在 GitHub 上非常火爆的项目，名为：DeepLearning-500-questions，中文译名：深度学习 500 问。作者是川大的一名优秀毕业生谈继勇。该项目以深度学习面试问答形式，收集了 500 个问题和答案。内

Yann LeCun是全球最大社交网站Facebook的人工智能研究总监。Facebook的核心业务是促进人与人之间、人与人与数字世界之间的沟通。考虑到涉及的数据规模之大，支持这项任务所需的技术是巨大的。截至2014年，Facebook拥有超过13亿的活跃

介绍在过去的几年里，人们对机器学习产生了新的兴趣。这种复苏似乎是由强大的基本因素推动的 - 全球各地的终端都在释放出的大量数据，并且这些数据的成本非常低廉，计算成本是有史以来是最低的！然而，并非每个人都了解机器学习是什么。为了识别垃圾邮件，我可以使用称为朴

这套名叫AI Learning的GitHub资源，汇集了30多名贡献者的集体智慧，把学习机器学习的路线图、视频、电子书、学习建议等中文资料全部都整理好了。目前资源在GitHub上已经有一万颗Star，微博网友：好人一生平安。很多初学者都会遇到这样的问题：入

1 数据集在机器学习和模式识别等领域中，一般需要将样本分成独立的三部分训练集，验证集 和测试集。4 机器学习与人类学习有了机器学习，我们还需要人为经验的干预吗？

测试结果最后两行分别为预测类别与真实类别。数据预览这里的数据使用的是mnist数据集，大家可以将代码中的DOWNLOAD_MNIST值修改为True进行自动下载。#转换PIL.Image or numpy.ndarray成torch.FloatTensor

多项式回归原理介绍多项式回归python实现多项式回归sklearn实现使用python实现多项式回归，没有使用sklearn等机器学习框架，目的是帮助理解算法的原理。使用一个简单的数据集来模拟，只有几条数据。从数据集中读取X和y。给Z添加 1 列，初始化

在深度学习领域，Caffe框架是人们无法绕过的一座山。这不仅是因为它无论在结构、性能上，还是在代码质量上，都称得上一款十分出色的开源框架。更重要的是，它将深度学习的每一个细节都原原本本地展现出来，大大降低了人们学习研究和开发的难度。以Caffe为例，用户只

人工智能技术的飞速发展给各行各业都带来了深远的影响，AI已被视为企业提升运营效能、应对市场竞争的必经之路。然而对于一些企业而言，让AI真正实现落地和应用，并且创造价值，仍是一件需要努力的事情。近日，在个推技术沙龙TechDay深圳站，来自华为、个推、She

Arther Samuel:Machine Learning:Field fo study that gives computers the ability to learn without being explicitly programmed.Tom

聚类之前的课程中我们学习的都是监督学习相关的算法，现在来开始看非监督学习。非监督学习相对于监督非学习来看，其使用的是未标记的训练集而监督学习的是标记的训练集。其中一种可能的结构是，所有的数据可以大致地划分成两组，这种划分的算法称为聚类算法。在很多场景下我们

方差/偏差权衡在统计学和机器学习领域，一个重要的理论结果是，模型的泛化误差可以被表示为三个截然不同的误差之和。偏差这部分泛化误差的原因在于错误的假设，比如假设数据是线性的，而实际上是二次的。高偏差模型最有可能对训练数据拟合不足。具有高自由度的模型很可能也有

关于机器学习这个话题，我相信我这个公众号1500多位关注者里，一定有很多朋友的水平比Jerry高得多。如果您看过我以前两篇文章，您就会发现，我对机器学习仅仅停留在会使用API的层面上。如果除了C4C外，您还知道SAP其他产品也已经启用了机器学习，请留言，让

对于一个新手来说，深度学习术语可能非常难以理解。本表试图解释深度学习常用术语并链接到原始参考，以帮助读者深入了解特定主题。例如，我这里不包括“交叉验证”，因为它是一种通用技术，用于整个机器学习。但是，我加入了softmax或word2vec等术语，因为它们

介绍现如今在谈论数据的价值的时候，经常提到的概念之一就是深度学习，或者更广泛的说是人工智能。深度学习系统通常通过大规模的数据集和神经网络算法来训练和完善应用模型，这就需要强大的计算集群，高性能可扩展的存储系统来实现。深度学习的基本概念人工智能指由人制造出来

随着机器学习成为每个行业的重要组成部分，对机器学习工程师的需求急剧增长。MLE需要将机器学习技能与软件工程专业知识相结合，为特定应用程序找到高性能的模型，并应对出现的实施挑战——从构建训练基础架构到准备部署模型。

知道自己败在什么地方了吗？本文总结了数据科学项目失败的最常见原因，希望能够帮助你避免陷阱。为了确定这一问题，你将需要一个包含欺诈和非欺诈交易示例的数据集。这个数据集可以在一组专门负责侦测欺诈行为的专家的帮助下生成。如果将问题改为“这个交易是否反常”，它只需

虽然它可能不是机器学习传统选择的开发语言，但是JavaScript正在证明有能力完成这样的工作——即使它目前还不能与主要的机器学习语言Python竞争。在进一步学习之前，让我们做一下机器学习的介绍。虽然如此，JavaScript最近已经颇欢迎了，主要是因为

统计学和机器学习是两个密切相关的领域。两者的界限有时非常模糊，例如有一些明显属于统计学领域的方法可以很好地处理机器学习项目中的问题。事实上，机器学习预测建模项目必须通过统计学方法才能有效的进行。对于该领域的初入门者，需要对领域的观察发现结果进行深入研究。

在多数企业中，体现客户与产品间联系的数据就占到总数据量的80%。机器学习技术因其在挖掘文本方面具有良好的适应性而备受研究者的青睐。在本文中，我们将重点介绍基于几种基于词典的文本挖掘方法，其次会简明概述当数据集发生改变时，机器学习如何以更高的准确性和适应性取