<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[机器学习之家]]></title><description><![CDATA[这个时间唯一不变的是变化，而关键时刻你唯一能依靠的是自己]]></description><link>https://blog.youkuaiyun.com/ldily110</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; ldily110]]></copyright><item><title><![CDATA[2017年迄今最新人工智能资源盘点]]></title><link>https://blog.youkuaiyun.com/ldily110/article/details/77227472</link><guid>https://blog.youkuaiyun.com/ldily110/article/details/77227472</guid><author>ldily110</author><pubDate>Wed, 16 Aug 2017 10:23:23 +0800</pubDate><description><![CDATA[编者按：2017年是不平凡的一年（当然，事实上，每一年都是），迄今为止，新增了哪些对机器学习和人工智能学习者有帮助的福利资源呢？我们来盘点一下。






课程视频：

1）斯坦福开放CS231n Spring 2017全部课程视频
        关键词：计算机视觉   深度学习 
  
        传送门：http://www.aqinet.cn/thread-5]]></description><category></category></item><item><title><![CDATA[循环神经网络(RNN) 基础详解]]></title><link>https://blog.youkuaiyun.com/ldily110/article/details/72726199</link><guid>https://blog.youkuaiyun.com/ldily110/article/details/72726199</guid><author>ldily110</author><pubDate>Thu, 25 May 2017 14:36:04 +0800</pubDate><description><![CDATA[7.循环神经网络(RNN) 基础详解


7.1 RNN(recurrent neural network)原理

7.1.1 RNN为序列数据而生

词序其实是很重要的




中文中，这样的例子也很多。“怎么样投资白银”vs“白银投资怎么样”；“北京到上海的机票”vs“上海到北京的机票”。

设计RNNs的目的，就是处理序列数据。

在传统的神经网络模型中，是从]]></description><category></category></item><item><title><![CDATA[人工智能行业机会分析]]></title><link>https://blog.youkuaiyun.com/ldily110/article/details/71518121</link><guid>https://blog.youkuaiyun.com/ldily110/article/details/71518121</guid><author>ldily110</author><pubDate>Wed, 10 May 2017 13:06:30 +0800</pubDate><description><![CDATA[人工智能行业  即将迎来千帆竞发的大时代。那么会有哪些机会呢？下面是我的歪歪。读者据此做的任何决定后果自负，听了我的话创业失败的我不负责喔。

方向1：直接参与人工智能大战
    策略：结合垂直领域  升级传统行业服务质量或者创造新需求 新产品
    可能选项：
    a.   做人工智能时代的外包公司  对外输出ai人员
    b.  ai内训  帮助其他公司培训ai研发能力]]></description><category></category></item><item><title><![CDATA[超全的机器学习、深度学习视频课程和讲义的百度网盘下载]]></title><link>https://blog.youkuaiyun.com/ldily110/article/details/64495415</link><guid>https://blog.youkuaiyun.com/ldily110/article/details/64495415</guid><author>ldily110</author><pubDate>Tue, 21 Mar 2017 20:05:43 +0800</pubDate><description><![CDATA[超全的百度网盘资料下载  点击下面相应的链接：




麦子学院---深度学习基础、深度学习进阶

21套数据集
 350G资源分享
Spark
 DT大数据梦工厂内部视频下载
Spark 100期公益大讲坛 王家林 授课视频下载

企业级Spark零基础到项目实战开发全套课程[视频讲义下载]




麦子学院深度学习课程视频下载

Hinton深度学习视频]]></description><category></category></item><item><title><![CDATA[Spark DT大数据梦工厂内部授课视频下载]]></title><link>https://blog.youkuaiyun.com/ldily110/article/details/62893378</link><guid>https://blog.youkuaiyun.com/ldily110/article/details/62893378</guid><author>ldily110</author><pubDate>Fri, 17 Mar 2017 18:10:58 +0800</pubDate><description><![CDATA[分享一套难得的spark视频教程
[精华帖]Spark DT大数据梦工厂3000门徒内部训练绝密视频







下载地址是：链接：http://pan.baidu.com/s/1nu8dtqT 密码：cz4h
更多资源  可以到    http://52ai.applinzi.com  下载]]></description><category></category></item><item><title><![CDATA[mnist数据集以及处理方式]]></title><link>https://blog.youkuaiyun.com/ldily110/article/details/53247532</link><guid>https://blog.youkuaiyun.com/ldily110/article/details/53247532</guid><author>ldily110</author><pubDate>Sun, 20 Nov 2016 22:59:58 +0800</pubDate><description><![CDATA[mnist数据集下载地址  
http://yann.lecun.com/exdb/mnist/

数据集使用说明：
 

用不同的方法来处理 mnist数据集  ：  MNIST手写数字体分类--KNN matlab实现

http://blog.youkuaiyun.com/wangyuquanliuli/article/details/17378317
 


使用Decisio]]></description><category></category></item><item><title><![CDATA[斯坦福大学【2014年】机器学习课程全套资料]]></title><link>https://blog.youkuaiyun.com/ldily110/article/details/53087752</link><guid>https://blog.youkuaiyun.com/ldily110/article/details/53087752</guid><author>ldily110</author><pubDate>Tue, 08 Nov 2016 20:44:15 +0800</pubDate><description><![CDATA[斯坦福大学【2014年】机器学习课程全套资料




资源介绍







下载地址： 
百度网盘下载





下载地址]]></description><category></category></item><item><title><![CDATA[最全的机器学习&amp;深度学习入门视频课程集]]></title><link>https://blog.youkuaiyun.com/ldily110/article/details/53087437</link><guid>https://blog.youkuaiyun.com/ldily110/article/details/53087437</guid><author>ldily110</author><pubDate>Tue, 08 Nov 2016 20:35:09 +0800</pubDate><description><![CDATA[ 

 

 

 

资源介绍


链接：http://pan.baidu.com/s/1kV6nWJP 密码：ryfd

 



 

链接：http://pan.baidu.com/s/1dEZWlP3 密码：y82m

 

 ]]></description><category></category></item><item><title><![CDATA[网上的机器学习、深度学习资源分享]]></title><link>https://blog.youkuaiyun.com/ldily110/article/details/52887111</link><guid>https://blog.youkuaiyun.com/ldily110/article/details/52887111</guid><author>ldily110</author><pubDate>Fri, 21 Oct 2016 21:14:29 +0800</pubDate><description><![CDATA[【深度学习】

coursera -- hinton

https://www.coursera.org/learn/neural-networks

stanford--cs224d

http://cs224d.stanford.edu/

CS231n: Convolutional Neural Networks for Visual Recognition

htt]]></description><category></category></item><item><title><![CDATA[机器学习未来的发展趋势、初学者怎样学习机器学习]]></title><link>https://blog.youkuaiyun.com/ldily110/article/details/52822384</link><guid>https://blog.youkuaiyun.com/ldily110/article/details/52822384</guid><author>ldily110</author><pubDate>Sat, 15 Oct 2016 13:06:22 +0800</pubDate><description><![CDATA[ 

Q: 机器学习未来的发展形势如何，该如何选择未来的求职方向
A:我的理解 人工智能和机器学习只是一种技术 或者一种工具 未来要结合社会和时代的需要 把它的价值挖掘出来 目前的无人车 无人机 人脸语音图像 等都只是开始 如果从找工作的角度 进互联网公司做机器学习比较靠谱 大中型互联网公司都需要大量的机器学习工程师。 比如现在很多的创业公司都已经开始搞机器学习和大数据了 这是一个非常有想象空间的...]]></description><category></category></item><item><title><![CDATA[麦子学院深度学习视频课程（中文授课、代码讲解为主）]]></title><link>https://blog.youkuaiyun.com/ldily110/article/details/52778280</link><guid>https://blog.youkuaiyun.com/ldily110/article/details/52778280</guid><author>ldily110</author><pubDate>Mon, 10 Oct 2016 15:36:49 +0800</pubDate><description><![CDATA[授课视频和课件
深度学习进阶
链接: http://pan.baidu.com/s/1nvPfWI9 密码: 4qyy

深度学习基础
链接: http://pan.baidu.com/s/1hsbRlkC 密码: m4yd]]></description><category></category></item><item><title><![CDATA[《机器学习》练习题与解答]]></title><link>https://blog.youkuaiyun.com/ldily110/article/details/52605893</link><guid>https://blog.youkuaiyun.com/ldily110/article/details/52605893</guid><author>ldily110</author><pubDate>Wed, 21 Sep 2016 11:23:06 +0800</pubDate><description><![CDATA[《机器学习》练习题与详细解答]]></description><category></category></item><item><title><![CDATA[《机器学习&&深度学习》 视频课程资源百度云下载]]></title><link>https://blog.youkuaiyun.com/ldily110/article/details/52605783</link><guid>https://blog.youkuaiyun.com/ldily110/article/details/52605783</guid><author>ldily110</author><pubDate>Wed, 21 Sep 2016 11:13:23 +0800</pubDate><description><![CDATA[《机器学习&&深度学习》 视频课程资源百度云下载]]></description><category></category></item><item><title><![CDATA[LDA算法调研报告]]></title><link>https://blog.youkuaiyun.com/ldily110/article/details/52069661</link><guid>https://blog.youkuaiyun.com/ldily110/article/details/52069661</guid><author>ldily110</author><pubDate>Sat, 30 Jul 2016 00:52:54 +0800</pubDate><description><![CDATA[LDA算法调研报告


1、LDA算法概述
本文所阐述的LDA算法全称为Latent Dirichlet Allocation（网上没有标准的中文名称，我称之为潜在狄利克雷分配算法），不是线性判别分析算法（Linear
 Discriminant Analysis）。LDA算法由加州伯克利大学计算机系的David M. Blei于2003年发表。目前LDA算法的应用挺广泛，2]]></description><category></category></item><item><title><![CDATA[决策树笔记]]></title><link>https://blog.youkuaiyun.com/ldily110/article/details/51713989</link><guid>https://blog.youkuaiyun.com/ldily110/article/details/51713989</guid><author>ldily110</author><pubDate>Sun, 19 Jun 2016 21:00:52 +0800</pubDate><description><![CDATA[决策树笔记
决策树的前世今生
要讲决策树(Decision Tree)  有一个大牛不可不提：Ross Quinlan(注意发音)
https://en.wikipedia.org/wiki/Ross_Quinlan
ID3、 
C4.5 以及C4.5的升级版C5.0的发明者。这三个名字稀奇古怪的算法都是什么东东？
这三者之间的关系是这样的
ID3算法（全名 Iterative
D]]></description><category></category></item><item><title><![CDATA[《机器学习基石》作业一第17题的程序]]></title><link>https://blog.youkuaiyun.com/ldily110/article/details/51125297</link><guid>https://blog.youkuaiyun.com/ldily110/article/details/51125297</guid><author>ldily110</author><pubDate>Mon, 11 Apr 2016 20:41:13 +0800</pubDate><description><![CDATA[import os
import sys 
import random
# An example in that book, the training set and parameters' sizes are fixed
#training_set = [[(3, 3), 1], [(4, 3), 1], [(1, 1), -1]]
training_set=[]
for line in sys]]></description><category></category></item><item><title><![CDATA[<机器学习实战>配套资料]]></title><link>https://blog.youkuaiyun.com/ldily110/article/details/50983886</link><guid>https://blog.youkuaiyun.com/ldily110/article/details/50983886</guid><author>ldily110</author><pubDate>Fri, 25 Mar 2016 20:53:27 +0800</pubDate><description><![CDATA[机器学习实战及配套代码 
    ：  书籍是英文版

http://vdisk.weibo.com/s/uEZesAafcjQgx


中文影印版
http://vdisk.weibo.com/s/C3VtoShZRyZIt



学习《机器学习实战》所需的基础
python函数库  numpy  

机器学习实战及配套代码 
    ：  书籍是英文版

ht]]></description><category></category></item><item><title><![CDATA[《一个工科研究生毕业后的职业规划》阅读体会]]></title><link>https://blog.youkuaiyun.com/ldily110/article/details/50680066</link><guid>https://blog.youkuaiyun.com/ldily110/article/details/50680066</guid><author>ldily110</author><pubDate>Wed, 17 Feb 2016 14:05:53 +0800</pubDate><description><![CDATA[去华为干几年技术的人混的不错，代表走技术道路的人的成功之道，那就是，技术人员应该选择这样的公司：
1、有爆发力的公司。这位同学去华为的时候赶上了华为高速成长的阶段，事实上，国内向华为这样从一穷二白起步做到世界五百强的这样的公司少之又少，碰巧进了华为有点像买彩票中了奖。那位进华为的同学他当初进华为的时候未必知道华为在这些年里能够发生如此惊人的变化。所以这样的爆发式公司是可遇不可求的。]]></description><category></category></item><item><title><![CDATA[旧日志整理：MATLAB标定工具箱的使用（三）]]></title><link>https://blog.youkuaiyun.com/ldily110/article/details/8960818</link><guid>https://blog.youkuaiyun.com/ldily110/article/details/8960818</guid><author>ldily110</author><pubDate>Wed, 22 May 2013 15:53:23 +0800</pubDate><description><![CDATA[在进行摄像机标定过程中，有一些衍生问题在这里总结一下

  
  

基于SVD特征值分解的超定方程求解





function x=SvdEquation(A,b)
%用奇异值分解求解病态线性方程组
%A为系数矩阵,b为右向量
r=rank(A);
n=length(A);
epsilon=1e-10;
x=zeros(n,1);
[U,S,V]=svd(]]></description><category></category></item><item><title><![CDATA[旧日志整理：MATLAB标定工具箱的使用（二）]]></title><link>https://blog.youkuaiyun.com/ldily110/article/details/8960801</link><guid>https://blog.youkuaiyun.com/ldily110/article/details/8960801</guid><author>ldily110</author><pubDate>Wed, 22 May 2013 15:51:29 +0800</pubDate><description><![CDATA[前言：

      2012年的暑假，由于私人原因我删掉了几乎所有的技术日志，近日有网友提出想看这方面的文章，我考虑了再三，将不会涉及机密的部分重新整理，图片已经找不到了，特此致歉。





基于平面模板标定的标定算法整体流程

     分析Calib工具箱中算法核心函数的输入输出，不难知道Calib的标定思路，首先是计算单应矩阵（compute_homography），]]></description><category></category></item></channel></rss>