张月鹏的博客

浅议深度学习从2012年开始，深度学习无论是在学术界还是在工业界都引起了极大的关注，深度学习应该说是代表了AI的最高成果，那么深度学习为什么这么火，让我们来一探究竟。从机器学习到深度学习learning让人一听就是高大上的感觉，但是大部分做的东西其实与数据挖掘无异。机器学习最经典的用法大部分都是从数据中挖掘出一些潜在的规律，这些东西主要包括监督学习（主要包括分类和回归的方法）以及无监督学习（主要包括

研究生的毕业论文提交以后，有了一定的闲暇时间就读了最近刚出版的两本介绍 TensorFlow 的书籍《TensorFlow实战》和《TensorFlow实战Google深度学习框架》。以下是我对两本书的对比认识，希望对打算买书的人有所参考。

深度学习中的优化调参细节总结

常见的类别特征处理方法one-hot （太经典这里不再介绍）histgram 映射Entity Embeddings（实体嵌入）histgram 映射比如我们根据人们的一些身体特征来预测这个人会不会得糖尿病 其中有一个类别特征为男或者女，这时候我们如何对这个特征进行映射处理呢。按照histgram 的处理方式，会按照预测的类别的占比来标注属性。也是假如有这样一个统计列

引言前段时间 Andrew Ng(吴恩达)在 Coursera 开设了深度学习的课程，正如 Andrew 在 Coursera 上的机器学习课程一样，Andrew 总是面向零基础的工程师来授课，而不是有专业背景的人员。所以课程总是会力求直观且应用性强，但是往往对专业从事机器学习的人员来看略显简单，但是大牛对事物的理解还是值得参考的，所以我把课程中自己学到的要点记录如下。第一课：神经网络...