- 博客(10)
- 收藏
- 关注
RSS订阅原创 非常漂亮！机器学习和深度学习绘图模板V2.pptx
除了深度学习画图，机器学习的图也有很多，我感觉平时用用足够了。我对这些图进行了修改并整理保存，原版是 67 页，我增加到 130 页。大家可以自定义自己需要的图形，上面已经提供了基本的元素，根据自己的需求去调整使用即可！下面的图一是我给学生上课时候画的。
2025-04-28 16:35:07
983
原创 CS类AI大一进组科研，如何入门学习机器学习及其相关基础?
还是那句话，炼丹是个手艺活，讲究的是选料上炉出丹吹逼的手头功夫，这行里教条主义的骨灰都给吹没了。这确实是个根本矛盾，产出的科学内容是结构化可推广的，但产出科学的过程是门case-by-case的手艺活。那本书，实际等你学过真正的线代（数学系的学法）后，你就会觉得，啊就是有限维的线代基本性质，trivial的嘛，画两个星期自己动手跟做一遍就行了。的东西和这几个thm讲了，你回去自己算这几个character table，下周回来对好答案我们就直接开干，你那么搞鬼知道几个学期才能进到本番。
2025-04-27 17:52:34
539
原创 自己搭建一个深度学习模型现实吗？从零开始的可行性分析与实战指南
● 安装TensorFlow（推荐2.x版本）、Python（≥3.6）、相关依赖库（如numpy、matplotlib）。：Python是主流开发语言，需熟练使用TensorFlow、PyTorch等框架，并具备数据处理、模型构建、调参等技能。● 模型开发周期较长，包括数据收集、模型设计、训练调优、验证部署等环节，需持续投入时间与耐心。● 应对过拟合：引入Dropout、数据增强，或采用更复杂模型（如ResNet）。● 数据预处理：标准化、裁剪、增强（如旋转、翻转）以提升模型泛化能力。
2025-04-25 18:17:35
1731
原创 2025 级计算机视觉研究生逆袭指南：如何学才能毕业斩获高薪 offer
深入学习计算机视觉的基础理论，包括图像滤波、特征提取、目标检测、语义分割等。此外，深度学习在计算机视觉领域的应用已成为主流，需要掌握卷积神经网络（CNN）、循环神经网络（RNN）及其变体等模型结构。同时，积极参与 GitHub 上的开源计算机视觉项目，不仅能学习优秀的代码规范，还能为自己的简历增添亮点。定期阅读计算机视觉领域顶会（如 CVPR、ICCV、ECCV）和顶刊（如 TPAMI）的论文，了解最新研究成果和技术趋势。例如，在描述目标检测项目时，写明使用的算法、模型在测试集上的准确率、召回率等指标。
2025-04-24 16:39:13
855
原创 备战机器学习工程师面试的全方位指南
从监督学习的线性回归、逻辑回归、决策树、随机森林，到无监督学习的 K - 均值聚类、主成分分析（PCA），再到强化学习的 Q - 学习、深度 Q 网络（DQN）等，都要深入理解。机器学习的核心离不开数学。可以通过具体的数据和成果来体现，比如 “通过优化算法，将模型的训练时间从原来的 10 小时缩短到 3 小时”“在竞赛中，我们的模型在测试集上达到了 95% 的准确率，排名前 10%”。只要你做好充分的准备，保持积极的心态，就一定能够在面试中展现出自己的实力，拿到心仪的 offer！扎实的知识储备是基石。
2025-04-23 14:57:03
352
原创 各种机器学习算法的应用场景分别是什么？该怎么入门机器学习？
在股票价格预测方面，通过历史价格、成交量等因素，尝试预测未来股价走势，虽然股票市场复杂，但线性回归能提供一定参考。K 近邻算法前面提过，在电影推荐里，根据用户对电影的评分、观看历史等特征，找到与目标用户相似的 K 个用户，把这 K 个用户喜欢的电影推荐给目标用户。通过实际代码实现各种算法，完成一些小项目，像简单的图像分类、数据预测等，加深对算法的理解。首先是数学基础，掌握线性代数里的矩阵运算、向量空间，概率论中的概率分布、贝叶斯定理，数理统计的假设检验等，这是理解算法的根基。
2025-04-22 18:51:08
615
原创 学习深度学习之前是否要先学机器学习？
我到了博士高年级才知道，我们需要的基础知识不是要完全掌握和理解，而是建立一个全面的目录。这个目录帮助你在遇到不懂的问题时，能够精准地定位是哪一类问题，并在哪里找到最好的学习资料。当你知道哪些知识在学习深度学习的过程中需要用到，你再去针对性地去学就可以了。如果你花了大量的时间学习机器学习，比如Boosting一类的算法，然后你发现深度学习根本用不上。所以，花有限的时间查询下深度学习需要哪些基础知识的储备，比如图神经网络需要有限的谱图论知识才可以通透地理解，那就去花有限的时间学习。其实这是典型的学生思维了。
2025-04-21 17:47:11
476
原创 PyTorch 框架、逻辑架构及面试知识点讲解
PyTorch的架构主要包括以下几个核心组件：（1）Tensor：PyTorch中最基本的数据结构，类似于NumPy的ndarray，但支持GPU加速。（2）Modules：神经网络层和组件的抽象，例如卷积层、全连接层等。（3）Autograd：自动求导系统，用于计算梯度，是实现神经网络训练的关键。（4）Optim：优化器，用于更新网络的权重。（5）DataLoader：用于加载和预处理数据。（6）Distributed Package：用于分布式训练的工具。
2025-04-18 18:14:12
1938
原创 研一刚开始，刚入门机器学习，想从事CV方面，应该如何学习， 学习路线是什么？
大家好，我是一名算法工程师。欢迎研一刚入门机器学习，又想从事计算机视觉（CV）方向的同学来到这个学习分享。计算机视觉是一个非常有前景的领域，应用广泛，从自动驾驶到图像识别，从医疗影像分析到安防监控等等。接下来，我就给大家梳理一下该如何学习以及具体的学习路线。
2025-04-17 15:03:00
507
原创 机器学习笔记——30种常见机器学习算法简要汇总
在实际应用中，选择合适的算法取决于数据特点、任务需求以及模型的可解释性和性能要求。通过结合多种算法和策略，可以更好地解决实际问题。
2025-04-16 19:41:52
2030
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人