Mlooker的博客

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...

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...

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。...

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...