Mlooker的博客

内含详细活动信息~

内含工具地址，免费下载使用~

免费简历神器：https://cvmaker.greedyai.com/

怎么快速入门 == 寻找学习的最短路径A. 怎么寻找学习最短路径？A.1 找到高质量的内容 A.2 避免什么都学（this is worst!)A.1 怎么找到高质量的内容？靠前人的经验 （最好有一个有经验的人带你） 搜索能力 （这点很重要，学习能力强的人都具备很强的搜索能力） 独立思考能力 （只有独立思考能力，才能辨别内容的质量）A.2 避免什么都学，怎么做到？不要以B...

本篇文章，我将从过来的人角度介绍下机器学习如何从入门到精通，这里我们谈经验，谈工具，更谈方法论。1.入门作为初入机器学习的小白，你可能除了一颗好奇的心和一番热血外什么都不没有，当然最好还是希望你能有线性代数、微积分和概率论的基础。你可能会心存顾虑：学过但忘了。不用担心，这种东西不用就会忘，但只要用到，学一学便会；或者说你可能真的没学过，这个也不用担心，只要你真的想学现在也来得及。好了废...

人工智能有多火每个人的心里应该很清楚，所以在这里不再阐述。很多科技公司把未来几年的赌注压在了AI身上-“all in AI“，同时也有数不清楚的公司正在准备转型AI，另外也有很多公司虽然跟AI沾不上任何边但喊着AI口号来吸引关注。 总而言之，AI会变得越来越火，会有更多的人才走进这个大军里。在AI转型的进程中，并不一定是一帆风顺的，甚至会很艰难。不知有多少人关注过人工智能项目的失败率？ 2...

 用官方的话来说，所谓K近邻算法，即是给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最邻近的K个实例（也就是上面所说的K个邻居）， 这K个实例的多数属于某个类，就把该输入实例分类到这个类中。如果你之前没有学习过K最近邻算法，那今天几张图，让你明白什么是K最近邻算法。图说开始先来一张图，请分辨它是什么水果 很多同学不假思索，直接回答：“菠萝”！...

作者 | 李文哲，人工智能、知识图谱领域专家导读：从一开始的Google搜索，到现在的聊天机器人、大数据风控、证券投资、智能医疗、自适应教育、推荐系统，无一不跟知识图谱相关。它在技术领域的热度也在逐年上升。 本文以通俗易懂的方式来讲解知识图谱相关的知识、尤其对从零开始搭建知识图谱过程当中需要经历的步骤以及每个阶段需要考虑的问题都给予了比较详细的解释。 对于读者，我们不要求有任何AI相关的背景知识。...

一、知识图谱课程讲师：李文哲：人工智能、知识图谱领域专家。曾任凡普金科(爱钱进)首席数据科学家、 北京会牛科技的首席科学家兼投资总监、美国亚马逊和高盛的高级工程师，负责过金融知识图谱、聊天机器人、量化交易、自适应教学系统等核心项目。美国南加州大学人工智能博士、荷兰阿姆斯特丹大学访问学生， 先后在 AAAI、KDD、AISTATS、IAAI、CHI 等国际顶会议上发表过15篇以上论文、 并荣获 IA...

主要看点这篇文章力求将我们从那些对AI空洞的幻想以及抽象的预测中带回到这片领域现在的真实情景中：在这里我们将分享这片领域的辉煌之处, 探讨其局限性, 并分析我们离鲁棒的多任务智能还有多远。Meta学习的初衷十分令人着迷：不仅仅构建能够学习的机器, 更重要的是让它学会如何去学习。这也就意味着Meta学习得到的算法能够依据自己表现的反馈信号及时地调整其结构和参数空间, 进而能够在新环境中通过累计经验提...

作者：Chris St. Jeor & Sean Ankenbruck，Zencos贪心科技编译时间序列预测是一个易于使用，成本较低的方案，它可以提供强大的解决问题能力。这篇文章将介绍建立一个质量模型的三个基本步骤。这篇文章将围绕如何构建一个时间序列模型，并将列举三个基本步骤:使数据平稳，选择正确的模型，以及评估模型的准确性。本篇文章所使用的历史页面视图数据示例来源于一家大型汽车营销公司。...

“这是一个典型 AI 星期天的叙述，我决定使用一些已经可用的示例代码和来自康奈尔电影数据库的数据基于聊天机器人建立一个序列(seq2seq)模型。”From Titash Neogi, kontikilabs, 首席架构师和企业家1简介作为Kontiki实验室的首席设计师，我有两个角色:第一个是作为关注人工智能的新发展的AI研究人员，并根据需要将其发展到公司的主要能力中;第二个角色是AI推销员/产...

出品：贪心科技（公众号：贪心科技）作者：李文哲字数：2300阅读时长：5分钟本次Google I/O大会的最大亮点无疑是Google Duplex， 它抢占了整个大会的风头，在场的观众们对首席执行官Pichai先生演示的视频表现出了极大的兴趣。以下是本次大会中关于Google Duplex的一小段视频，供大家参考。 视频中第一个例子讲的是，Google虚拟助手在后台帮助用户完成跟理发店的预约，它能...

出品：贪心科技（公众号：贪心科技）作者：Artem Oppermann（贪心科技编译）字数：2300阅读时长：5分钟前言在本教程中，您将发现如何使用 Python 中的深层学习来开发统计语言模型。神经网络模型是开发统计语言模型的首选方法，因为这种模型可以使用分布表示的形式，在该形式中具有相似含义的不同词语具有相似的表示形式，并且它们可以使用大量的上下文进行训练预测。完成本教程后，您将知道:如何为基...

张量（Tensor) 作为学术界和工业界一种常用的机器学习模型，在社交网络、推荐系统、时序分析等领域都有着极为广泛的应用。然而，对于机器学习初学者来说，张量，又是一个非常非常难以理解的概念。它到底是数值？数组？向量？函数？矩阵运算？向量运算？...好像都有点沾边，但好像又都不是。这一次我们邀请到了Tensor领域的专家Dr. Ge来为我们做一次有关张量（Tensor）的微信群语音分享。Dr. Ge...

主要看点这篇文章力求将我们从那些对AI空洞的幻想以及抽象的预测中带回到这片领域现在的真实情景中：在这里我们将分享这片领域的辉煌之处, 探讨其局限性, 并分析我们离鲁棒的多任务智能还有多远。Meta学习的初衷十分令人着迷：不仅仅构建能够学习的机器, 更重要的是让它学会如何去学习。这也就意味着Meta学习得到的算法能够依据自己表现的反馈信号及时地调整其结构和参数空间, 进而能够在新环境中通过累计经验提...

出品：贪心科技（公众号：贪心科技）作者：Scott Lundberg前言本篇讲述了机器学习模型解释不当的危害和正确解读的价值。如果你发现ensemble tree 算法（比如梯度提升机器，或者随机森算法）的鲁棒精度很有意思，但同时还想解读他们，我希望本文章能够提供有用的信息。设想一下，我们的任务是为为一家银行预测个人的财务状况。我们的算法越精准，银行赚的钱越多。但由于这个预估也会被用来做借贷申请，...

作者：Francesco Corea，决策科学家和数据战略家 这篇文章介绍了AI和区块链的融合之后会带来的可能性，讨论了这两者融合之后的标准定义、挑战和带来的好处，以及在这个领域中一些有趣的玩家。 不可否认，人工智能和区块链无论在任何一个行业都是促进创新步伐和引入根本转变的两大主要技术。每种技术都有其自身的技术复杂程度以及业务影响, 但是两者的融合使用可能会从头开始重新设计整个技术(和人类)范式。...

出品：贪心科技（公众号：贪心科技）作者：Artem Oppermann前言协同过滤是推荐系统通过收集来自许多其他用户的品味或偏好来预测某个特定用户的兴趣所使用的一种方法。协同过滤技术的基本假设是，如果用户A与B在某件事上有相同的品味或意见，那么A就更有可能在不同的问题上得出与B相同的意见。通过本文你将学到：如何预测某个用户对一部电影的评价，这个预测将会基于这个用户的偏好以及其他用户对该部电影以及其...

相信所有人刚开始应用机器学习时，都会被两个术语混淆。计算机学科里有太多的术语，而且许多术语的使用并不一致。哪怕是相同的术语，不同学科的人理解一定有所不同。比如说：“模型参数（model parameter）”和“模型超参数（model Hyperparameter）”。对于初学者来说，这些没有明确定义的术语肯定很令人困惑。尤其是对于些来自统计学或经济学领域的人。我们来仔细研究一下这些条款。什么是模...

摘要本文主要介绍张量（Tensor）相关技术以及张量在数据恢复（missing data）、推荐中的应用。在文章的最后，简单介绍怎么通过ADMM算法吧把张量应用在大规模数据上。文章的内容来自于葛瀚骋博士、现任美国亚马逊资深科学家。我们现在所处的时代是一个信息爆炸的时代，许多现代的信息系统，比如物联网，电子健康记录，以及社交网络，每天都在不断产生着新的数据，这些数据是以指数级的方式去增长的。它的特点...

出品：贪心科技（公众号：贪心科技）作者：Jason Brownlee前言文本摘要是自然语言处理中的一个问题，即要为源文档创建一篇简短、准确、流畅的摘要。当针对机器翻译开发的Encoder-Decoder循环神经网络结构应用于文本摘要问题时，它也已经被证明是有效的。在Keras深度学习库中应用这种体系结构可能有些困难，因为Keras为了让库变得干净、简单、易于使用而牺牲了一定的灵活性。在本教程中，您...