机器学习

摘要：用离散信一文清晰讲解机器学习中梯度下降算法包括其变式算法无论是要解决现实生活中的难题，还是要创建一款新的软件产品，我们最终的目标都是使其达到最优状态。

作为一名久经片场的老司机，早就想写一些探讨驾驶技术的文章。这篇就介绍利用生成式对抗网络（GAN）的两个基本驾驶技能：

1) 去除(爱情)动作片中的马赛克

2) 给(爱情)动作片中的女孩穿(tuo)衣服

不同于其他KNN的入门，这篇文章直接采用卷积神经网络介绍机器学习。好像不学点机器学习就很亏？

零基础意味着你不需要太多的数学知识，只要会写程序就行了，没错，这是专门为程序员写的文章。虽然文中会有很多公式你也许看不懂，但同时也会有更多的代码，程序员的你一定能看懂的

上周，今日头条人工智能实验室在清华大学举办了第二期 AI 技术沙龙，邀请到上海科技大学信息科学与技术学院的马毅教授带来题为「高维数据的低维结构与深度模型」的主题分享。马毅教授以计算机视觉为例，展示了低维模型和深度模型如何从不同角度试图攻克同一个问题：高维数据的信息提取。并且详细展示了从低维模型角度如何分解并逐步攻克这个问题，有哪些应用，以及低维模型如何给深度模型带来可解释性。

Python 篇的组织结构 不管是学习人工智能还是大数据，Python 都是基本必学的，而且如果大家自己有一定的语言基础，会发现 Python 是非常好入门的，我自己大概花了 1 个下午入门了一下基本的语法。 我会花 3 到 4 篇的篇幅给大家作一下基本的入门。当然，这不…

人工智能（AI）和机器学习（ML）是目前最热门的话题之一。
你每天都能不经意地听人提起“AI”这个词。你听到有抱负的开发者说他们想学习AI。你也听到管理人员说他们想在他们的服务中实现人工智能。但是很多时候，这些人中有很大一部分其实并不理解AI是什么。
阅读完本文后，你将理解AI…

机器学习理论篇1：机器学习的数学基础

《A Tour of Recurrent Neural Network Algorithms for Deep Learning | Machine Learning Mastery》by Jason Brownlee

监督学习是利用标记了的样本进行学习，无监督学习则是使用未标记的样本进行学习，这两个是我们最常见的。半监督学习则是样本中只有少量带标记的样本，多数样本都未标记，利用这些样本进行学习。强化学习则是很不同的一种学习方式，它没有规则的训练样本和标签，主要通过奖励和惩罚达到学习的目的。 …

A 2017 Guide to Semantic Segmentation with Deep Learning

如果你像作者一样，也着迷于人工智能。也许你想深入挖掘，并在 TensorFlow 或 Theano 运行一个图像分类器。也许你是一个敢于尝试新事物的开发人员或系统架构师，你知道计算机非常好，但只有一个小问题：

你的数学不好。

本文是基于 TensorFlow 在中文数据集上的简化实现，使用了字符级 CNN 和 RNN 对中文文本进行分类，达到了较好的效果。

豆瓣有各种小组，每个小组会有个主题，如何给帖子分类。这个时候需要介绍机器学习一个最简单的算法，叫 k 近邻算法

给吴恩达三块白板和一支马克笔，听他讲一节精彩的课。刚刚，在O’reilly举办的AI Conference上，吴恩达做了个25分钟的演讲，主题依然是“AI is the new electricity”?，但内容可以说是充满诚意非常干货了。

最近打算系统学习下机器学习的基础算法，避免眼高手低，决定把常用的机器学习基础算法都实现一遍以便加深印象。本文为这系列博客的第一篇，关于决策树(Decision Tree)的算法实现，文中我将对决策树种涉及到的算法进行总结并附上自己相关的实现代码。所有算法代码以及用于相应模型的训…

在AI时代，我们希望计算机能够拥有视觉、听觉、行动以及语言的智能，而相对于听和看以及行动，语言是我们人类区别于其他动物的最重要特征之一。语言是我们思维的载体，也因此我们对于语言的理解和处理，变得尤为重要。

视频教程的总结和一些自行补充的内容，旨在尽可能的理解其原理。 在忽略噪声的情况下，泛化误差可分解为偏差、方差两部分。 偏差：度量学习算法的期望预测与真实结果的偏离程度，也叫拟合能力。 方差：度量了同样大小的训练集的变动所导致的学习性能的变化，即刻画了数据扰动造成的影响。 我们通…

这里对卷积神经网络的讲解主要是以不同的思考侧重展开，通过对卷积神经网络的分析，进一步理解神经网络变体中“因素共享”这一概念。

一文看懂 25 个神经网络模型

使用tensorflow实现深度学习LSTM模型，源码在github上公开，方法简单易学，适合上手。

非常系统的教程。

我们在机器学习中一直会遇到两种问题，一种是回归问题，一种是分类问题。我们从字面上理解，很容易知道分类问题其实是将我们现有的数据分成若干类，然后对于新的数据，我们根据所分得类而进行划分；而回归问题是将现有数据拟合成一条函数，根据所拟合的函数来预测新的数据。 这两者的区别就在于输出…

编译 | 周翔斯坦福的 CS231n 是深度学习和计算机视觉领域的经典课程之一。近日，斯坦福又开放了由李飞飞主讲的 CS231n Spring 2017 全部视频课程。在AI科技大本营微信公众号会话回复“斯坦福”，打包下载16张课程PDF根据官网信息，此次课程的主题为：Convo…

什么是卷积 首先看卷积公式 它是通过两个函数 f(t) 和 g(t) 来生成第三个函数的一种数学算子。从负无穷到正无穷遍历全部 u 值，把 g(t-u) 的值乘以 f(u) 的值之后再进行累加，得到关于该累加操作的关于 t 的函数。从另一个角度看，卷积就是一种加权求和。 用离散信…

无论是要解决现实生活中的难题，还是要创建一款新的软件产品，我们最终的目标都是使其达到最优状态。作为一名计算机科学专业的学生，我经常需要优化各种代码，以便提高其整体的运行速度。 一般情况下，最优状态会伴随问题的最佳解决方案。如果阅读近期发表的关于优化问题的文章的话，你会发现，优化…

如果你像作者一样，也着迷于人工智能。也许你想深入挖掘，并在 TensorFlow 或 Theano 运行一个图像分类器。也许你是一个敢于尝试新事物的开发人员或系统架构师，你知道计算机非常好，但只有一个小问题： 你的数学不好。

文章简洁地介绍了机器学习的主要算法和一些伪代码，对于初学者有很大帮助，是一篇不错的总结文章，后期可以通过文中提到的算法展开去做一些实际问题。