燕哥带你学算法

转载 无人车之父Sebastian Thrun：技术小白，也能从零开始造一辆无人车！

在最近召开的世界教育创新峰会上，Google无人车之父、优达学城创始人 Sebastian Thrun 说道，无人驾驶技术已经开始风靡世界，每一个人都有机会参与到这场技术革命中来，成为改变世界的催化剂。他还表示，即使你是技术小白，也能从零开始造一辆无人车， 只要你掌握了正确的学习方法。事实上，无论是在硅谷还是在中国，无人驾驶技术的发展都已经势不可挡。11月15日，国家公布人工智能四

转载 机器学习从零开始系列连载(2)——线性回归

作者：张磊编辑：赵一帆本周剩余内容：2. 建模方法回顾    2.0 偏差与方差    2.1 线性回归-Linear Regression        2.1.1 模型原理        2.1.2 损失函数    2.2 支持向量机-Support Vector Machine        2.2.1 模型原理        2.2.2 损失函数

原创 简单易懂的自动编码器

作者：叶虎编辑：田旭引言自动编码器是一种无监督的神经网络模型，它可以学习到输入数据的隐含特征，这称为编码(coding)，同时用学习到的新特征可以重构出原始输入数据，称之为解码(decoding)。从直观上来看，自动编码器可以用于特征降维，类似主成分分析PCA，但是其相比PCA其性能更强，这是由于神经网络模型可以提取更有效的新特征。除了进行特征降维，

转载 震惊！从青铜到钻石，只因搭了一个图像识别系统

如果你已经翻过了高数、线性代数和概率论的高山，又游过了一门编程语言的大海，那么恭喜你！你已经成功登上了AI攻城狮的 青铜 排位！但企业爸爸的招聘条件一般都是黄金段位以上！所以，这时候你就需要王者大神带你上一波儿分。这次，天学网人工智能学院举办的AI实战课程就是一次上分的好机会！在三周的时间里，会有两名最强王者和四位星耀段位的AI大神，手把手教你用TensorFlow搭建

原创 深入浅出解读卷积神经网络

作者：石文华编辑：田　旭卷积神经网络图1 全连接神经网络结构图图2 卷积神经网络结构图卷积神经网络和全连接的神经网络结构上的差异还是比较大的，全连接的网络，相邻两层的节点都有边相连，而卷积神经网络，相邻节点只有部分节点相连。全连接神经网络处理图像的最大问题在于全连接层的参数太多，参数太多的话容易发生过拟合而且会导致计算速度

原创 机器学习从零开始系列连载(1)——基本概念

作者：张   磊编辑：赵一帆本周内容：1. 一些基本概念    1.1 生成式模型与判别式模型    1.2 参数学习与非参学习        1.2.1 参数学习        1.2.2 非参学习    1.3 监督学习、非监督学习与强化学习        1.3.1 监督学习        1.3.2 非监督学习        1.3.3 强化学习

原创 从0到1 | 0基础/转行如何用3个月搞定机器学习

写这篇文章的初衷是现在好多朋友都想了解如何入门/转行机器学习，搭上人工智能这列二十一世纪的快车。再加上这个问题每隔一阵子就会有人提及，因此想写篇文章来个一劳永逸。文章的宗旨：指出学习中的一些误区提供客观可行的学习表给出进阶学习的建议目标读者是：零基础，对人工智能感兴趣的读者有基础，想将机器学习/数据分析和自己的本职工作相结合的朋友

原创 从AlexNet剖析-卷积网络CNN的一般结构

作者：张旭          编辑：王抒伟  本文4794字27图，阅读约11分钟  算了想看多久看多久零参考目录：一、卷积层        1.CNN中卷积层的作用        2.卷积层如何工作        3.AlexNet中的卷积层二、池化层与激活层

原创 看完这些，你会发现你的IT技能急需提升

IT技术日新月异你是否还日复一日在工作学习中做着重复任务虽然你的发际线在往后移但不代表你的知识在进步每天学习一些新的技术知识为你筛选了几个不错的公众号Python爱好者社区小编：乐子↓ ↓ ↓Python爱好者社区（ID：Python_shequ）

原创 深度神经网络训练的必知技巧

作者：章华燕编辑：李文臣本文主要介绍8种实现细节的技巧或tricks：数据增广、图像预处理、网络初始化、训练过程中的技巧、激活函数的选择、不同正则化方法、来自于数据的洞察、集成多个深度网络的方法。1数据增广在不改变图像类别的情况下，增加数据量，能提高模型的泛化能力。图像识别领域数据增广的例子自然图像的数据增广方式包

原创 向读者朋友汇报双十一活动情况

这只是一个开始在双十一期间，我们玩起了程序员的“小情调”，分享自己与代码的故事，获得我们的奖品。很高兴这么多的小伙伴们积极参与进来，留下这么多精彩的留言。我们也送上礼物以表感谢。1获奖名单一等奖：Ricky   获得178个点赞   二等奖：(1)Koma   获得173个点赞       (2)异乡人    获得163个

原创 学好机器学习，这里有你需要的一切

立即参团原价 ¥899.00目前已达最低价 ¥399.00>>点击文末阅读原文参团机器学习（升级版Ⅶ）课程目标：本课程特点是从数学层面推导最经典的机器学习算法，以及每种算法的示例和代码实现（Python）、如何做算法的参数调试、以实际应用案例分析各种算法的选择等。主讲老师： 邹博 小象学院签约讲师 计算机博士，现科学院从事科研教学工作；主持国家级

原创 [视频讲解]史上最全面的正则化技术总结与分析！

作者：黄海安编辑：栾志勇PART01 摘要引言正则化是一种有效的防止过拟合、提高模型泛化能力方法，在机器学习和深度学习算法中应用非常广泛，本文从机器学习正则化着手，首先阐述了正则化技术的一般作用和概念，然后针对L1和L2范数正则从4个方面深入理解，最后对常用的典型算法应用进行了分析和总结，后续文章将分析深度学习中的正则化技术。注意

原创 老铁，邀请你来免费学习人工智能！！！

从去年的AlphaGo到今年人工智能（Artificial Intelligence），英文缩写为AI，首次写进政府工作报告，人工智能正在席卷全球，引发第4次工业革命，而AI的核心技术是机器学习和深度学习。目前，机器学习已广泛应用于数据挖掘、自动驾驶、计算机视觉、自然语言处理、搜索引擎、语音和人脸识别、医学诊断、量化金融、以及电商的搜索和推荐当中，人工智能正在迎来巨大爆发点

原创 从傅立叶变换到Gabor滤波器

作者：夏　敏编辑：李文臣PART01 gabor介绍gabor特征首先我们介绍下Gabor 特征，它是一种可以用来描述图像纹理信息的特征，Gabor 滤波器的频率和方向与人类的视觉系统类似，特别适合于纹理表示与判别。它主要依靠 Gabor 核在频率域上对信号进行加窗，从而能描述信号的局部频率信息。而Gabor

原创 人工智能已在跨行猎杀？给你干货，叫你反杀……

文末有福利深度学习神经网络、机器学习、Python入门全免赠送这段时间，来自朋友圈的一个消息开始引爆热点。原来，阿里巴巴从2015年就开始研制成了一个人工智能，专攻电商海报排版，业内人称排版是撸banner，故谐音取名“鲁班”。一个普通的电商设计师不吃不喝不睡，一天顶多撸50个banner。然而，面对每秒8000张的banner，任何人类都望

原创 史上最详细的XGBoost实战（下）

作者：章华燕编辑：田　旭四XGBoost 参数详解在运行XGboost之前，必须设置三种类型成熟：general parameters，booster parameters和task parameters：General parameters 该参数参数控制在提升(boosting)过程中使用哪种booster，常用的booster有树模型(tr

原创 【重要】过什么双十一？我们公众号发福利了！错过等一年！！

原创 如何更好地利用我们公众号

主页面主页面主要有三个大板块：文章分类；读者分类；关于我们。如下图所示：文章分类文章分类模块主要对历史文章进行分类归类：机器学习深度学习数据挖掘面试算法好评热文 2.1 机器学习该模块整理出来的文章全都是公众号历史文章中属于机器学习模块的优秀文章，这样

转载 面试题——股票利益最大化

1. 题目                                                                                 给出一个包含N个元素的数组，数组中的每个元素代表每一天的股票的买卖价格。现在给你个任务是在任意的时刻先买股票，之后卖出股票。要求是使得买卖股票的利益最大化，算法的时间和空间复杂度尽可能达到最优。2. 解题思路

转载 区块链来了：未来注定颠覆我们的生活

《区块链》第一期原价     ¥ 899.00 拼团已达最低价   ¥ 399.00 >>  点击文末阅读原文参团  课程名称 《区块链》第一期 （七天无理由退款）主讲老师 徐亮  资深区块链架构师曾供职SUN、EMC中

原创 机器学习实战系列视频

本系列视频由深度眸为大家录制，欢迎提出宝贵意见。第一课：kNN视频视频：http://pan.baidu.com/s/1i55VVM1 密码：qllk第二课：决策树视频：https://pan.baidu.com/s/1hsnbhkS 密码：9ytv第三课：概率与数学统计视频：http://

原创 数据挖掘中的数据清洗方法大全

作者：章华燕编辑：黄俊嘉在数据挖掘领域，经常会遇到的情况是挖掘出来的特征数据存在各种异常情况，如数据缺失 、数据值异常 等。对于这些情况，如果不加以处理，那么会直接影响到最终挖掘模型建立后的使用效果，甚至是使得最终的模型失效，任务失败。所以对于数据挖掘工程师来说，掌握必要的数据清洗方法是很有必要的！接下来本文就依次讲解如何处理 数据值缺失 和 数据值异常 两种情况的处理。

转载 荐号 | 11个人工智能与大数据相关的个人、企业优质号

2017-10-30 秋日正好 AI前线编辑｜EmilyAlphaGo Zero都会自学了，作为刚刚步入AI大门的我们，应该如何选择合适自己的知识平台呢？今天小编为你甄选了几个高质量的技术公众号。这些号更多的不是讲授枯燥的理论，而是从行业资讯、一线技术、应用案例、职场发展等多个角度分享操性强、可落地的方法。在这里可以读到各路牛

原创 GAN的入门与实践

作者：Double_V  编辑：龚　赛 PART01 GAN 简介引言生成对抗网络（Generative Adversarial Nets，GAN）是由open ai研究员Good fellow在2014年提出的一种生成式模型，自从提出后在深度学习领域收到了广泛的关注和研究。目前，深度学习领域的图像生成，风格迁移，图像变换，图像描

转载 人工智能到底有多火，年薪 25 万只是白菜价……

文末有福利机器学习，iOS课程，Python课程全部免费送人工智能到底有多火？近日，一份互联网校招高薪清单为我们揭晓了答案。谷歌中国、微软、腾讯等知名互联网企业为人工智能岗位开出的年薪水平均达到了 30 万以上。多个机构的调研数据显示，当前机器学习、深度学习、人工智能等领域的人才缺口较大，25 万的技术岗位薪酬并没有吸引力，对于算法的岗位而言，年薪 30 万也只是起步。

原创 Tensorflow快速入门

作者：叶　虎编辑：李文臣PART01 Tensorflow简介引言实践深度学习肯定要至少学习并掌握一个深度学习框架。这里我们介绍一个最流行的深度学习框架：Tensorflow。Tensorflow是谷歌公司在2015年9月开源的一个深度学习框架。虽然我们称Tensorflow为一种深度学习框架，但是看看官网：图1 Tensorflow官网

原创 全面直观认识深度神经网络

作者：石文华编辑：赵一帆01深度学习的精准定义 一类通过多层非线性变换对高复杂性数据建模算法的集合。它的两个非常重要的特征是多层性和非线性。俗称多层非线性变换。所以深度学习要去线性化。为什么呢？因为线性模型存在局限性，任意线性模型得到组合仍然还是线性模型。所以只要通过线性变换，任意层的全连接神经网络和单层神经网络模型的表达能力没有任何区别，而且他们都是线性模型，线性模型

原创 如果Boosting 你懂、那 Adaboost你懂么？

作者：崔家华编辑：王抒伟转载请注明作者和出处：    https://zhuanlan.zhihu.com/ml-jack机器学习知乎专栏：    https://zhuanlan.zhihu.com/ml-jackCSDN博客专栏：    http://blog.csdn.net/column/details/16415.htmlGithub代码获取：

转载 1024 祝所有程序员节日快乐

今天是1024，属于我们码农的节日！在这里，我代表我们团队，向所有一直关注我们公众号的小伙伴们表达真诚的感谢。下面是我们整理的网络上的对程序员的节日祝福的漫画图像……虽然，有无数的对我们的祝福！但是现实的我们也许是这样的：看到这里，我觉得大家肯定会

原创 史上最透彻的KMP算法讲解

作 者：柳行刚编 辑：李文臣1字符串匹配是经典的KMP算法。下面以字符串"BBC ABCDAB ABCDABCDABDE"为例，查找是否包含串"ABCDABD"？图一2     首先如上图，字符串"BBC ABCDAB ABCDABCDABDE"的第一个字符与搜词"ABCDABD"的第一个字符，B与A不相等，所以后移动。图二

原创 Logistic回归实战篇之预测病马死亡率（三）

作 者：崔家华编 辑：李文臣四、使用Sklearn构建Logistic回归分类器开始新一轮的征程，让我们看下Sklearn的Logistic回归分类器！官方英文文档地址：http://scikit-learn.org/dev/modules/generated/sklearn.linear_model.LogisticRegression.html#sklearn.

原创 机器学习实战——LBP特征提取

作者：张旭编辑：栾志勇零全篇概述：LBP(Local Binary Pattern)算法是一种描述图像特征像素点与各个像素点之间的灰度关系的局部特征的非参数算法，同时也是一张高效的纹理描述算法。纹理是物体表面的自然特性，它描述图像像素点与图像领域之间的灰度空间的分布关系，不会因为光照强弱而改变图像的视觉变化。LBP算法

原创 Logistic回归实战篇之预测病马死亡率(二)

作 者：崔家华编 辑：李文臣三、从疝气病症状预测病马的死亡率1、实战背景本次实战内容，将使用Logistic回归来预测患疝气病的马的存活问题。原始数据集下载地址：http://archive.ics.uci.edu/ml/datasets/Horse+Colic这里的数据包含了368个样本和28个特征。这种病不一定源自马的肠胃问题，其他问题也可能引发马疝

原创 RNN入门与实践

作者：叶虎                                                                编辑：黄俊嘉引言递归神经网络(Recurrent Neural Network, RNN)是神经网络家族的重要成员，而且也是深度学习领域中的得力干将，因为深度学习广泛应用的领域如语音识别，机器翻译等都有RNN的身影。与经典的神经网络不同，RNN主

转载 Logistic回归基础篇之梯度上升算法

作者：崔家华编辑：赵一帆一、前言        本文从Logistic回归的原理开始讲起，补充了书上省略的数学推导。本文可能会略显枯燥，理论居多，Sklearn实战内容会放在下一篇文章。自己慢慢推导完公式，还是蛮开心的一件事。二、Logistic回归与梯度上升算法        Logistic回归是众多回归算法中的一员。回归算法有很多，比如：线性回归、Logistic回归、多

原创 机器学习实战---详解模型评价指标

作者：王千发编辑：王抒伟零全篇概述：对于分类算法，我们熟知的评价指标是准确率(accuracy)，但是在实际问题中，我们想要得到一个优秀的模型，仅仅使用准确率是不够的。比如在，乳腺癌数据集中：其中201名没有复发（标记为0），85名复发（标记为1）。显然这是一个不平衡数据集，假如我们的分类模型将所有的患者都预测

原创 机器学习之——自动求导

作者：叶虎小编：张欢随机梯度下降法（SGD）是训练深度学习模型最常用的优化方法。在前期文章中我们讲了梯度是如何计算的，主要采用BP算法，或者说利用链式法则。但是深度学习模型是复杂多样的，你不大可能每次都要自己使用链式法则去计算梯度，然后采用硬编程的方式实现。而目前的深度学习框架其都是实现了自动求梯度的功能，你只关注模型架构的设计，而不必关注模型背后的梯度是如何计算的。不过，我们还是

原创 朴素贝叶斯实战篇之新浪新闻分类

Python版本： Python3.x             作者：崔家华运行平台： Windows                   编辑：黄俊嘉IDE： Sublime text3一、前言上篇文章Python3《机器学习实战》学习笔记（四）：朴素贝叶斯基础篇之言论过滤器讲解了朴素贝叶斯的基础知识。本篇文章将在此基础上进行扩展，你将看到以下内容：1.拉普拉

原创 Object Detection R-CNN

3788字13图，预计阅读需要23分钟红色华诞68周年 National Day of the People's Republic of China作 者：张   旭编 辑：李文臣R-CNN提出于2014年，应当算是卷积神经网络在目标检测任务中的开山之作了，当然同年间还有一个overfeat算法，在这里暂不讨论。 在之后的几年中，目标检测任务的CNN模型也越