AI科技前线

 Google 工程教育团队已经发布了多语种的 Google 机器学习术语表，该术语表中列出了一般的Machine Learning术语和 TensorFlow 专用术语的定义。语言版本包括西班牙语，法语，韩语和简体中文。查阅中文版术语表：https://developers.google.cn/machine-learning/glossary/?hl=zh-CN  AA/B 测试 (A/B testing)一种统计方法，用于将两种或多种技术进行比较，通常是将当前采用的技术与新技术进行

<p style="text-align: center"><strong><span><strong><span><strong><span>（给</span><sp...

（给机器学习算法与Python学习加星标，提升AI技能） 作者 | 毕然 百度深度学习技术平台部主任架构师内容来源 | 百度飞桨深度学习集训营本文转自飞桨PaddlePaddle本课程是百度官方开设的零基础入门深度学习课程，主要面向没有深度学习技术基础或者基础薄弱的同学，帮助大家实现从0到1的跨越。从本课程中，你将学习到：深度学习基础知识numpy实现神经网络构建和梯度下降算法计算机视觉领域主要方向的原理、实践自然语言处理领域主要方向的原理、实践个性化推荐算法的原理、实践本文总结了毕然老师的讲课.

作者 | zxhohai回归（Regression）模型是指机器学习方法学到的函数的输出是连续实数值，回归模型可以用于预测或者分类，这篇博客中主要整理用于预测的线性回归模型和多项式回归模型。线性回归按照机器学习建模的三个步骤，首先需要确定选用的模型，这里就是线性回归（Linear regression）模型，然后将其形式化表达： h(x)=w1x1+w2x2+⋯+wnxn+bh(x)=w1x1+w2x2+⋯+wnxn+b 其中，x1,x2,⋯,xnx1,x2,⋯,xn 因为hh 能够让LL

作者 | zxhohai前前后后接触机器学习也有一年时间，但一直没有系统整理总结过。从本篇博客开始，将记录下我的学习内容与参考资料，系列按照李宏毅的机器学习课程，吴恩达的机器学习课程和周志华的西瓜书为主线。发展历程无论是“推理期”还是“知识期”，机器都是按照人类设定的规则和总结的知识运作，永远无法超越其创造者，其次人力成本太高。于是，一些学者就想到，如果机器能够自我学习问题不就迎刃而解了吗！机器学习（Machine Learning）方法应运而生，人工智能进入“机器学习时期”。“机器学习时期”也分为三

转自 飞鸟各投林史上最强----机器学习经典总结---入门必读----心血总结-----回味无穷让我们从机器学习谈起导读：在本篇文章中，将对机器学习做个概要的介绍。本文的目的是能让即便完全不了解机器学习的人也能了解机器学习，并且上手相关的实践。当然，本文也面对一般读者，不会对阅读有相关的前提要求。 在进入正题前，我想读者心中可能会有一个疑惑：机器学习有什么重要性，以至于要阅读完这篇非常长的文章呢？ 我并不直接回答这个问题前。相反，我想请大家看两张图.

创意1：69式嘿嘿嘿，别想歪了，我说的是下面的69 99669999996669999996699666699666999966699666699 99699999999699999999699666699669966996699666699 99669999999999999996699666699699666699699666699 99666699999999999966666999966699666699699666699 99666666999999996666666699666699

整理 | 阿司匹林机器学习和深度学习如何入门？相信很多人都会推荐吴恩达的在线课程。不过，这种视频在线课程也有其弊端，就跟很多人不喜欢微信语音一样，想要在视频中查找和回顾相关的知识点并不方便。于是，以黄海广博士为首的一群机器学习爱好者发起了一个公益性质的项目（http://www.ai-start.com）：吴恩达机器学习和深度学习课程的字幕翻译以及笔记整理。近日，这个项目终于接近完成，而且黄海广博士等还将课程笔记做成了打印版，放在 GitHub 上，下载后可以直接打印，方便大家随时查阅。 本.

来源： 产业智能官概要：想自学人工智能，到底看什么书？现在关于AI的图书成千上万，那些才是最好的？想自学人工智能，到底看什么书？现在关于AI...

一. 人工智能基础篇 – 数学理论数学基础知识蕴含着处理智能问题的基本思想与方法，也是理解复杂算法的必备要素。今天的种种人工智能技术归根到底都建立在数学模型之上，要了解人工智能，首先要掌握必备的数学基础知识。在 AI 项目中学习这些数学课程，侧重点则是各类数学模型在 AI 中要如何使用，或者说如何在应用场合中套用这些数学模型。反而是平时数学上大家最头疼的那些推论啊、题海战术啊，在 AI 学习过程中可以暂时忽略掉。本阶段的学习内容如下：1.线性代数：将研究对象形式化2.概率论：描述统计规律3.数理统