机器学习有关的一些东西（后续还会更新）

最新推荐文章于 2025-12-02 00:03:55 发布
转载 最新推荐文章于 2025-12-02 00:03:55 发布 · 307 阅读 · 0
文章标签：

#机器学习

本文详细介绍了参与深度学习项目的人员所需具备的专业技能和背景知识，包括机器学习、自然语言处理、数据挖掘、计算机视觉等领域的研究经历，以及对主流深度学习框架的实际应用经验。


3、具备机器学习、自然语言处理、数据挖掘、计算机视觉其中至少一种的研究背景、项目背景或课程设计背景；

4、了解主流深度学习模型，了解其使用场景、实现细节、训练方法、CPU和GPU优化策略；

5、具有计算机视觉方向深度学习项目经验者有限；

6、Pytorch、Caffe或Tensorflow等深度学习平台项目经验

rc_ll
关注
李宏毅2020机器学习资料汇总
⚡
04-08 8万+
前言 可能受到新冠病毒的影响，台大也开始了网课教学。李宏毅上传了2020版本的机器学习视频，可以说是非常好的学习资料（尽管其中多数都是2017、2019的视频，但有部分更新）。 和吴恩达的CS229机器学习相比，中文版本的机器学习显得亲民了许多，李宏毅的机器学习是英文的ppt+中文讲解，非常有利于大家入门。吴恩达的CS229中偏向于传统机器学习……
机器学习＆深度学习
weixin_45725952的博客
09-22 1792
此博文记录自己的机器学习＆深度学习笔记以及一些心得，写于2024年秋季学期主要参考书：《动手学深度学习》主要参考课程：李宏毅老师-深度学习。
Machine Learning and Data Mining——2. 机器学习学习路线与资料
langtaol的成长记
03-05 3843
机器学习研究的是计算机怎样模拟人类的学习行为，以获取新的知识或技能，并重新组织已有的知识结构使之不断改善自身。简单一点说，就是计算机从数据中学习出规律和模式，以应用在新数据上做预测的任务。本文为转载文章，讲述了机器学习的要点和方法，并附相关学习资料。
李宏毅机器学习课程从入门到放弃（一）
不负如来不负卿
08-10 2787
————20180810———————- 先加备忘： Ref: [1] https://blog.youkuaiyun.com/soulmeetliang/article/details/77461607 [2] https://www.youtube.com/channel/UC2ggjtuuWvxrHHHiaDH1dlQ/playlists [3] https://github.com/GitY...
机器学习课程——实战篇（一）应用建议与解决思路（一）
DONG_LIN_2019的博客
11-13 2152
目录 1.引言 2.机器学习算法简述 2.1 从机器学习问题角度分类 2.2 从算法的功能角度分类 2.2.1 回归算法(Regression Algorithms) 2.2.2 基于实例的算法(Instance-based Algorithms) 2.2.3 决策树类算法(Decision Tree Algorithms) 2.2.4 贝叶斯类算法(Bayesian Algori...
周志华机器学习（西瓜书）学习笔记（持续更新）
yhdsss875的博客
11-04 1万+
《周志华机器学习》笔记第1章 绪论1.1 引言1.2 基本术语1.3 假设空间1.4 归纳偏好1.5 发展历程1.6 应用现状第2章 模型评估与选择 第1章 绪论 1.1 引言 机器学习致力于研究如何通过计算的手段，利用经验来改善系统自身的性能。其所研究的主要内容，是关于在计算机上从数据中产生“模型”(model)的算法，即“学习算法”(learning algorithm)。 本书中，“模型”泛指从数据中学得的结果，有的文献中用“模型”指全局性结果，二用“模式”指局部性结果。 1.2 基本术语 要进行机器
机器学习岗面试题目汇总「持续更新」
weixin_42065178的博客
04-20 2520
机器学习算法岗面试常见题汇总
【一起啃西瓜书】机器学习-期末复习（不挂科）
热门推荐
风口IT猪的成长录
12-11 3万+
【机器学习-期末复习爆肝2w字笔记整理分享】 《机器学习》致力于研究如何通过计算的手段，利用经验来改善系统自身的性能，从而在计算机上从数据（经验）中产生“模型”，用于对新的情况给出判断（利用此模型预测未来的一种方法）。 分为三类：监督学习、元监督学习、强化学习。
学习深度学习是否要先学习机器学习？
2501_91695603的博客
05-17 3149
不管你后面是不是真的想要从事机器学习或者深度学习这方面，我都希望你能有时间去学习的时候，多多的了解一下 AI 技术 ，还是那句话，时间紧的情况下，怎么快速的为目标服务是最重要的，先学对自己有用自己需要的内容。就比如我给计算机一些动物的图片，然后告诉计算机哪个是老虎，哪个是狮子，计算机根据我给出的“图片和答案的特征”去学习“老虎为什么是老虎，狮子为什么是狮子”。这三部分看着挺唬人，其实只需要学习需要的内容，如果你的时间稍微宽裕一点，可以花一个半月左右的时间，如果时间紧，那就压在一个月以内一鼓作气的搞定。
leetcode题库-machine-learning-notes:这是机器学习学习方法的笔记。你可能会在其中找到一些有用的东西
06-29
此外，笔记还提到了“基础知识”，这可能涵盖线性代数、概率统计、机器学习的基本算法等内容，这些都是机器学习入门的必备知识。最后，“协同过滤”和“用户画像”是推荐系统中的核心技术。协同过滤通过分析用户的...
机器学习训练机器的基础过程
kamijila的博客
06-03 1166
数据收集和预处理是机器学习项目中至关重要的步骤。通过合理选择数据源、进行数据清洗和缺失值处理、数据转换和标准化等操作，可以提高数据的质量和可用性，为后续的特征工程和模型训练奠定基础。详细了解和熟练掌握这些步骤将对机器学习项目的成功起到关键作用特征工程是机器学习中非常重要的步骤，它能够对原始数据进行处理和转换，为模型提供更有信息量和判别能力的特征。通过合理选择特征选择、提取、变换、降维、构建和扩展方法，可以提高模型的性能和泛化能力，以更好地解决实际问题。模型选择和训练是机器学习项目中的核心步骤。
【模式识别与机器学习（5）】主要算法与技术（中篇：概率统计与回归方法）之逻辑回归（Logistic Regression）
hiliang521的博客
12-01 349
【模式识别与机器学习（5）】主要算法与技术（中篇：概率统计与回归方法）之逻辑回归（Logistic Regression）
机器学习（一）
weixin_52554463的博客
12-01 543
机器学习学习笔记
【模式识别与机器学习（6）】主要算法与技术（下篇：高级模型与集成方法）之进化计算（Evolutionary Computation）
最新发布
hiliang521的博客
12-02 522
【模式识别与机器学习（6）】主要算法与技术（下篇：高级模型与集成方法）之进化计算（Evolutionary Computation）
AAAI-2013《Spectral Rotation versus K-Means in Spectral Clustering》
Christo的博客
11-30 501
这篇论文成功地将谱旋转技术应用于谱聚类，解决了传统K-Means在处理松弛谱向量时的偏差问题。通过引入正交旋转约束，方法在理论上保证了更好的连续-离散逼近，并在实验中证明了其在图割优化和聚类指标上的优越性。论文结构清晰：从谱聚类背景引入问题，推导优化算法，提供理论证明，并通过基准数据集验证。该工作强调了谱聚类后处理的的重要性，为后续研究（如自适应谱聚类）提供了基础。
【每天一个AI小知识】：什么是生成对抗网络？
码道源码
11-27 925
摘要：生成对抗网络(GAN)是一种由生成器和判别器组成的深度学习模型，通过对抗训练实现数据生成。文章以画家与鉴赏家的故事为引，生动解释了GAN的工作原理：生成器不断优化仿作质量，判别器持续提升鉴别能力，最终达到平衡。详细介绍了GAN的数学模型、经典变体(DCGAN、CycleGAN、StyleGAN等)及其在图像生成、风格转换等领域的应用。通过MNIST手写数字生成的代码示例，展示了GAN的实现过程。文章还探讨了GAN面临的训练不稳定、模式崩溃等挑战，并从哲学角度思考了GAN对创造力本质的启示。GAN展现了
正态分布：机器学习中的统计基石与高斯遗产
拒绝AI玄学，只聊真技术▲
12-01 503
正态分布不仅仅是统计学中的一个公式，它是理解随机现象的基础框架。在机器学习中，正态分布的假设虽然有时过于理想化，但它提供了强大的数学工具和直观的解释框架。然而，现实世界的数据常常偏离正态性（如金融数据中的厚尾分布），这推动了更复杂分布模型的发展，如t分布、拉普拉斯分布、广义极值分布等。此外，非参数方法（如核密度估计）和不做分布假设的机器学习算法（如随机森林、梯度提升树）也在许多场景下表现出优越性。即使面对复杂的世界，通过恰当的数学模型，我们仍然能够捕捉和利用其中的规律性。
【机器学习：线性回归】
Keep__Fighting的博客
12-01 421
线性回归是机器学习中非常重要的一个基础知识，线性回归是利用回归方程(函数)对 一个或多个自变量(特征值)和因变量(目标值)之间 关系进行建模的一种分析方式。它包括了一元线性回归和多元线性回归，一元线性回归指的是：目标值(因标量)只与一个特征(自变量)有关系；多元线性回归指的是：目标值(因标量)同时与多个特征(自变量)有关系。ywTxb其中w表示权重参数，b表示偏置。这里的w其实一般情况下是一个矩阵，我们可以看到转置之后的相乘正好可以展开为：的形式。上式中的w。
【模式识别与机器学习（4）】主要算法与技术（中篇：概率统计与回归方法）之线性回归模型
hiliang521的博客
12-01 837
【模式识别与机器学习（4）】主要算法与技术（中篇：概率统计与回归方法）之线性回归模型
基于Matlab与TensorFlow的机器学习代码示例合集
本项目标题“logistic回归分析matlab代码-useful_bits”明确指出了其核心内容之一：使用Matlab实现逻辑回归分析的相关代码，并将其作为更大知识体系中的一部分——即“用于语音分析、机器学习、编码等的有用位”。...
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