高屋建瓴学机器学习/深度学习

最新推荐文章于 2025-07-07 04:05:54 发布
原创 最新推荐文章于 2025-07-07 04:05:54 发布 · 237 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文深入探讨深度学习中的归一化技术，包括BN、LN、WN等，解析其原理与应用，并对比多种优化算法如SGD、AdaGrad、Adam的特性与选择策略。
机器学习完整路径
hanlifeng2000的专栏
07-12 2781
全书共18 章，主题包括监督学习、回归的线性方法、分类的线性方法、基展开和正则化、核光滑方法、模型评估和选择、模型推断和平均、加性模型、树和相关方法、Boosting 和加性树、神经网络、支持向量机和柔性判断、原型方法和最近邻、非监督学习、随机森林、集成学习、无向图模型和高维问题等。本书由麦络，爱丁堡大学信息学院助理教授，博士生导师和董豪，北京大学计算机学院助理教授，博士生导师合著，图书在github上开源，同时收到了来自学界和产业界的各位优秀教授、研究者、和从业者的诸多写作建议。
Python深度学习：从入门到精通
最新发布
YunWisdom
07-21 1901
亲爱的读者，欢迎您翻开这本书。我们即将探索的，是深度学习的宇宙——一个由数据、算法与算力构筑的奇妙世界。它既是严谨的科学，也是创造的艺术，更是一条通往未来智慧的修行之路。本书将带您从最基础的数学原理出发，亲手搭建神经网络，驾驭Transformer等前沿模型，最终将智慧转化为现实世界的价值。请放下畏惧，保持好奇。这不仅是一次知识的学习，更是一场思维的远行。来，随我一起，开启这趟非凡的旅程吧。
深度学习论文写作框架
zhr_the_great的博客
09-19 9013
0. 前言 一篇好论文的几个评价标准：Significance（重要性）、Novelty（创新性）、Presentation（表达能力）、Experiments（实验结果） 论文结构应为金字塔结构，层层递进，逐次展开。塔尖即论文标题，总领全篇；塔顶即论文摘要，高屋建瓴；塔身即论文简介，全面介绍；塔底即方法、实验方法、实验结果等，详细说明。 在具体写作过程中，每一段应遵循总——分结构，即段首概况段意，段身详述内容 如无特殊要求，论文时态多为一般现在时态 1. Abstract写作 2. Introduct
深度学习基础
2301_77286822的博客
06-16 641
深度学习新圣经第一章阅读
机器学习概览
AT弄潮儿
09-08 366
今天的内容来自知乎。 “互联网+”已经发展的差不多了，应有尽有，空间不大，下个浪潮会不会是“AI+”？那么作为一个普通程序员，如何提前向人工智能(AI)靠拢？ 本人是一名普通程序员，也刚转入AI领域，因此结合自身经验，想回答这个问题。 本文的目的是给出一个简单的，平滑的，易于实现的学习方法，帮助 “普通” 程序员踏入AI领域这个门。这里，我对普通程序员的定义是：拥有大学本科知识，
机器学习与神经网络的本质（高屋建瓴）
June
05-20 378
1、机器学习中的学习到底指什么？ 以神经网络为例，向神经网络提供数据，并确定符合这些数据的神经元权重和偏置的过程就称为学习。 2、机器学习与优化理论的关系是什么？ 机器学习中的学习 == 数学上的最优化，神经网络学习中，梯度下降就是其中一种求解参数的优化方法。 3、神经网络与最小二乘法的关系是什么？ 神经网络与最小二乘法在本质上没什么区别，但是最小二乘法需要优化的参数很少。但是使用神经网络的话，它的内部具有很多很多的线性函数和非线性函数，需要优化的参数很多。但是神经网络可以拆开为子单元并行计算，这
机器学习的分类
优快云_LYY的专栏
07-03 357
机器学习按照不同的分类方式，有不同的分类名字。这对刚入门学习的人来说有一定的理解难度。 当初，我开始学习的时候，也是不懂，甚至，学了很长时间也是一知半解。 基于以上的考虑，我觉得把机器学习的分类写一篇文章，希望能高屋建瓴地对一些入门的人起到一些作用。 准备出发，做好了。 分类的维度 机器学习有不同的分类维度，在本文中涉及的分类维度有： 参数模型/非参数模型 判别式模型/生成式模型 频率学派/贝叶斯学派 参数模型/非参数模型 参数模型英文名字是parametric model，对应的非参数模型是non-p
机器学习基础知识-神经网络与深度学习学习笔记（二）
知行_那片天
09-06 1007
最近在学习复旦邱锡鹏老师的《神经网络与深度学习》，并对书中推荐的论文进行了阅读。感觉这本书对深度学习讲解得很好，即有全面严谨的讲述，也有高屋建瓴的理解。 本文的行文结构是按邱老师的书籍结构来的，并结合自己的理解总结了书籍中的相关要点。想要对神经网络和深度学习有更好了解的，推荐大家看邱老师写的《神经网络与深度学习》。
机器学习该怎么入门？
GarfieldEr007的专栏
05-25 6259
阿猫Knight ，Perfekt 张逸萌 等 432 人赞同 我也谈谈自己的经验。 机器学习说简单就简单，说难就难，但如果一个人不够聪明的话，他大概很难知道机器学习哪里难。基本上要学习机器学习，先修课程是algebra, calculus, probability theory, linear regression。这几门科学好了再学Machine learning是事
机器学习路径完全版
佐井白白的微笑
03-06 2146
文章目录1. 数学基础2. 编程基础2.1 Python & C++2.2 Linux & Shell2.3 深度学习框架3. 统计学习3.1 课程（选一）3.2 书籍4. 深度学习4.1 课程（选一）4.2 书籍（选一）5. 专业领域5.1 图像课程（选一）书籍5.2 自然语言处理5.3 视觉SLAM5.4 强化学习课程书籍6. 论文7. 总结 写在前面： 重点推荐内容加粗...
机器学习(1):绪论
远行的舟
04-24 3353
原文链接：机器学习(1):绪论 | 远行的舟 参考文献：① 周志华. 机器学习[M]. 北京:清华大学出版社. 2016.01. ② 李航. 统计学习方法[M]. 北京:清华大学出版社. 2012.03. 周志华教授在其所著 《机器学习》 一书中将机器学习定义为：一门致力于研究如何通过计算的手段，利用数据来改善系统自身性能的学科。同时周教授指出：机器学习主要研究从数据中产生模型的算法，即学习算...
机器学习资料与攻略超强整理吐血推荐（一）
热门推荐
白马负金羁
02-20 1万+
谷歌的AlphaGo对弈世界顶级围棋棋手韩国人李世石。最终，AlphaGo以五局四胜的战绩击败李世石，一时风光无限，同时也在网络上极大的激发了小伙伴们对人工智能的兴趣。但令人无奈的是想进入AI的圈子门槛似乎不低，很多人对此都表示望而却步或者望洋兴叹。似乎功夫也没少下，但却还是只能在门外转悠。希望下面的一些建议和资料能让大家少走一些弯路或者尽快走上正路
深度学习直通车——第7章：前沿热点与应用领域概览 (Cutting-edge Topics)
Rhett_Butler0922的博客
07-07 661
多模态能力使得AI能够完成更复杂的、跨模态的任务，比如根据一张图片写一首诗，或者根据一段文字描述生成视频，这在以前是无法想象的，极大地拓展了AI的应用场景。在掌握了核心模型和训练技巧后，了解当前最热门的研究方向和应用领域，不仅能拓展你的知识边界，更是夏令营面试中的加分项。生成模型的目标是学习数据的底层分布，并创造出全新的、与真实数据类似的数据。“这个领域的发展非常迅速，其技术基础通常是在大语言模型的基础上，融合了专门处理图像等其他模态的模块（如Vision Transformer, ViT）。
机器学习案例实战：Python文本数据分析新闻分类任务
qq_14815661的博客
07-14 5250
原创文章,如需转载请保留出处 本博客为唐宇迪老师python数据分析与机器学习实战课程学习笔记 一. 文本分析与关键词提取 1.1 文本数据 1.2 停用词 语料中大量出现 没啥大用 留着过年吗 1.3 Tf-idf：关键词提取 《中国的蜜蜂养殖》：进行词频（Term frequency，缩写TF）统计 出现次数最多的词：“的”、“是”、“在”…这类最常用的词（停用词） “中国”、“蜜...
深度学习算法/模型——深度学习基础（持续更新）
Robin_Pi的博客
03-05 7408
深度学习基本概念1. 神经网络基础（概念）1.1 前馈神经网络1.2 卷积神经网络1.3 循环神经网络2. 深度学习模型（架构）3. 深度学习应用3.1 CV3.2 NLP 1. 神经网络基础（概念） 1.1 前馈神经网络 1.2 卷积神经网络 卷积 1.3 循环神经网络 2. 深度学习模型（架构） 3. 深度学习应用 3.1 CV 3.2 NLP ...
理解深度学习基础——神经网络的起源和发展
Robin_Pi的博客
03-12 6084
神经网络 机器学习与深度学习 神经网络的发展 历史线： 1943：形式神经元模型（M-P模型），并在物理网络得以实现——开启了神经网络研究的序幕。 （1）机器学习的目的 特征表示 （2）深度学习的任务/优势 浅层学习——深度学习 （3）深度学习的改进/方向 参数少 模型简单 效果好 ...
从本质（信号分析角度）理解卷积
Robin_Pi的博客
12-25 5417
深度学习中的”卷积“是个怎么都绕不过去的话题，在此记录一下卷积相关的知识点，以供复习： 一切要回归基础与本质。 信号处理 1.基本概念 1.1 时域和频域 时域和频域的概念 时域：时域是真实世界，是惟一实际存在的域。 频域：频域是一个遵循特定规则的数学范畴，频域也被一些学者称为上帝视角。 以信号为例，信号在时域下的图形可以显示信号如何随着时间变化，而信号在频域下的图形（一般称为频谱）可以显...
2020 AI 算法工程师常见知识点整合
Robin_Pi的博客
05-24 4233
文章目录特征工程预处理特征选择降维机器学习深度学习NLPCVCoding数学 综合知识点整理： 2020 AI 算法岗春招汇总 & 面经大全来了！点击接收你的招聘秘籍 数据预测处理： 合鲸：干货 | 教你一文掌握数据预处理 特征工程 1.离散、连续特征一般怎么处理（onehot、归一化、why、方法 等）； 特征变换、构造/衍生新特征（woe、iv、统计量 等）； 特征筛选（离散...
卷积：从一维卷积到三维卷积的过程（信号-灰度图-彩色图）
Robin_Pi的博客
04-06 2695
卷积理解一维卷积二维卷积三维卷积 一维卷积 二维卷积 步长为 1 带步长（取 2） 三维卷积
深度学习优化算法统一框架解析：从SGD到AdamW
整体而言，本文不仅是对主流优化技术的全面回顾，更提供了一个高屋建瓴的视角，使研究者能够穿透公式表象，洞察算法本质，进而根据任务特性选择或改进最优优化策略，极大提升了深度学习实践中的理论深度与工程效率。...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值