xpj8888的博客

第一章、简介第二章、什么是端到端的深度学习2.1、2.2、2.3、2.4、2.5

第一章、简介y(i)本文基于吴恩达人工智能课程做学习笔记、并融入自己的见解(若打不开请复制到浏览器中打开)https://study.163.com/courses-search?keyword=吴恩达。 本文第二章将介绍 迁移学习场景、迁移学习的意义、迁移学习存在意义的本质原因等等。 对本文的总结：第二章、多任务学习2.1、多任务学习的定义在迁移学习中，你的学习步骤是串行的，因为你从任务A 里学到低层次特征之后，然后才应用迁移到任务B。 在多任务学习中，你是同时开...

第一章、简介本文基于吴恩达人工智能课程做学习笔记、并融入自己的见解(若打不开请复制到浏览器中打开)https://study.163.com/courses-search?keyword=吴恩达。 本文第二章将介绍 迁移学习场景、迁移学习的意义、迁移学习存在意义的本质原因等等。 对本文的总结：第二章、迁移学习2.1、迁移学习的定义深度学习中最强大的理念之一，就是有的时候神经网络可以从一个任务中习得知识， 并将这些知识应用到另一个独立的任务中。 例如也许你...

目录第一章、简介第二章、定位数据不匹配2.1、开发集数据比训练集更难识别，噪声较多，因此更需要对开发集进行人工错误分析2.2、 解决开发集数据比训练集数据更难识别的方法思路2.3、人工合成语音的方式创造更多的训练集， 让训练集数据更接近你的开发集，这样训练而来的系统能更好的识别开发集2.4、人工合成语音的录制噪声时间短，可能导致学习算法对合成的语音过拟合2.5、汽车图像合成可能过拟合的案例2.6、小结第一章、简介本文基于吴恩达人工智能课程做学习笔记、并融入自己的.

目录第一章、简介第二章、在不同的划分上进行训练并测试2.1、两种因素(数据的值与数据的分布)导致训练错误率与开发错误率相差甚大2.2、引入训练-开发集，排除数据分布不一致因素导致训练/开发错误率差异性较大的问题。2.3、算法只能处理同一分布数据，称之为 数据不匹配的问题2.4、举例说明算法的偏差、方差、数据不匹配问题2.5、处理语音识别，开发集错率可能比训练错误率更低2.6、将以上小结讨论的 偏差、方差、数据不匹配问题 汇总小结第一章、简介本文基于吴恩..

目录第一章、简介第二章、快速搭建你的第一个系统，并进行迭代2.1、可以往多个方向优化AI系统的性能2.2、 快速搭建简单的初始系统，并在使用系统过程中找到优化方向2.3、快速搭建简单初始系统的意义2.4、参考大量学术资源时，可不搭建简单的初始系统，可搭建成熟的比较复杂的初始系统2.5、小结：依据现有的算法，确定优化目标，然后快速搭建简单的系统。第一章、简介本文基于吴恩达人工智能课程做学习笔记、并融入自己的见解(若打不开请复制到浏览器中打开)https://study.

转载目录第一章、简介第二章、在不同的划分上进行训练并测试2.1、训练集和测试集的数据可能来自两组不同的数据分布2.2、 训练集和测试集的数据可能来自两组不同的数据分布举例2.3、方法一：两组数据合并方式，解决上述案例数据分布不一致问题，及其优点缺点2.4、两组数据合并方式优化的重心倾向并不是我们关心的数据(来自手机的图片)2.5、方法二：训练集图片主要来自网页图片，开发集和测试集图片完全来自手机图片2.6、方法二举例2.7、小结第一章、简介本文基于吴恩达人工智

第一章、简介本文基于吴恩达人工智能课程做学习笔记、并融入自己的见解(若打不开请复制到浏览器中打开)https://study.163.com/courses-search?keyword=吴恩达。 本文第二章将介绍 清楚标注错误的数据。第二章、清楚标注错误的数据2.1、数据集中存在被错误标准的例子你的监督学习问题的数据由输入X和输出Y构成，如果你观察一下你的数据并发现有些输出标签Y是错的。 这些输出标签 Y 是错的，表明你的数据有些标签是错的。那么我们是否值得花时间...

转载http://www.shareblogs.top/2105/目录第一章、简介第二章、进行误差分析2.1、误差分析的方向2.2、优化方向决定了算法性能上限2.3、错误分析可并行优化几个方向2.4、小结第一章、简介本文基于吴恩达人工智能课程做学习笔记、并融入自己的见解(若打不开请复制到浏览器中打开)https://study.163.com/courses-search?keyword=吴恩达。 本文第二章将 进行误差分析。第二章、进行误差分析...

转载http://www.shareblogs.top/2089/目录第一章、简介第二章、改善模型表现2.1、减小可避免偏差和方差的概述2.2、减小可避免偏差的方法2.3、减小方差的方法2.4、小结第一章、简介本文基于吴恩达人工智能课程做学习笔记、并融入自己的见解(若打不开请复制到浏览器中打开)https://study.163.com/courses-search?keyword=吴恩达。 本文第二章将 介绍改善模型表现。第二章、改善模型表现2...

转载http://www.shareblogs.top/2061/目录第一章、简介第二章、超过人的表现2.1、案例1说明超越人类水平的进展会很慢2.2、案例2说明超越人类水平的进展会很慢2.3、学习算法超越人类水平的几个典型应用：点击广告 、产品建议、物流预测、偿还贷款等2.4、 从结构化数据(比如数据库) 中学习的算法性能容易比人类水平高2.5、小结第一章、简介本文基于吴恩达人工智能课程做学习笔记、并融入自己的见解(若打不开请复制到浏览器中打开)https:/.

转载http://www.shareblogs.top/2023/目录第一章、简介第二章、理解人的表现2.1、 “人类水平错误率”的概念2.2、 “人类水平错误率”的意义2.3、 人类水平错误率与训练错误率的差值，决定了可避免偏差的大小2.4、 贝叶斯错误率理论上是0%2.5、小结第一章、简介本文基于吴恩达人工智能课程做学习笔记、并融入自己的见解(若打不开请复制到浏览器中打开)https://study.163.com/courses-search?keywor.

转载http://www.shareblogs.top/1993/目录第一章、简介第二章、如何解决学习算法的误差问题2.1、在学习算法效果远比不上人类水平的情况下，应解决偏差问题2.2、 开发误差效果较差，应用正则化等手段解决方差问题2.3、 依据人类水平与学习算法误差的差异大小，采取不同的优化算法。2.4、 “可避免偏差”的概念定义2.5、小结第一章、简介本文基于吴恩达人工智能课程做学习笔记、并融入自己的见解(若打不开请复制到浏览器中打开)https://st.

转载http://www.shareblogs.top/1975/目录第一章、简介第二章、AI智能与人类智能的对比2.1、AI智能与人能行为的比较2.2、AI智能可达到的理论水平(贝叶斯最优误差)2.3、举例说明AI智能为什么不可超越理论水平2.4、在AI智能低于人类水平情况下，有三种策略可以提升AI智能。第一章、简介本文基于吴恩达人工智能课程做学习笔记、并融入自己的见解(若打不开请复制到浏览器中打开)https://study.163.com/courses-s..

你已经学过如何设置开发集和评估指标，就像是把目标定在某个位置，让你的团队瞄准。 但有时候在项目进行途中，你可能意识到目标的位置放错了。这种情况下你应该移动你的目标（即可能改变效益函数的表达式，所以优化目标就改变了）。 我们来看一个例子，假设你在构建一个猫分类器，试图找到很多猫的照片，向你的爱猫人士用户展示，你决定使用的指标是分类误差。 假如算法 A 和 B 分别有3％误差和 5％误差，所以算法 A 似乎做得更好。但我们实际测试一下算法A与算法B，算法A由于某些原因把很多色情图像分类成猫了，如果你部署算

转载http://www.shareblogs.top/1869/目录第一章、简介第二章、开发集与测试集的大小2.1、 数据集较小时 训练集/开发集/测试集 的划分规则。2.2、数据集较大时 训练集/开发集/测试集 的划分规则。2.3、 用置信度评估测试集的性能。2.4、数据集较大情况下可考虑省略 测试集2.5、小结第一章、简介本文基于吴恩达人工智能课程做学习笔记、并融入自己的见解(若打不开请复制到浏览器中打开)https://study.163.com/course

转载http://www.shareblogs.top/1784/目录第一章、简介第二章、单一数字评估指标2.1、如何评估系统的好坏2.2、查准率和查全率两个指标来评估系统的准确性2.3、单一指标评估系统的准确性2.4、单实数评估指标的定义2.5、单实数评估指标的案例应用2.6、小节第一章、简介本文基于吴恩达人工智能课程做学习笔记、并融入自己的见解(若打不开请复制到浏览器中打开)https://study.163.com/courses-search?keywo.

转载http://www.shareblogs.top/1750/目录第一章、简介第二章、正交化2.1、正交化之案例一2.2、正交化之案列二2.3、案例与机器学习的联系2.4、早期停止(early stopping) 方式调试AI系统2.5、小结第一章、简介本文基于吴恩达人工智能课程做学习笔记、并融入自己的见解(若打不开请复制到浏览器中打开)https://study.163.com/courses-search?keyword=吴恩达。本文第二章介绍ML策略的正.

转载http://www.shareblogs.top/1844/目录第一章、简介第二章、训练 / 开发 / 测试集划分2.1、训练集 / 开发集 / 测试集 的概念2.2、如何划分开发集和测试集2.3、开发集和测试集划分的典型例子2.4、开发集和测试集划分的重要意义2.5、小结第一章、简介本文基于吴恩达人工智能课程做学习笔记、并融入自己的见解(若打不开请复制到浏览器中打开)https://study.163.com/courses-search?keyword.

第一章、简介本文基于吴恩达人工智能课程做学习笔记、并融入自己的见解(若打不开请复制到浏览器中打开)https://study.163.com/courses-search?keyword=吴恩达。 本文第二章介绍 满足和优化指标。第二章、满足和优化指标2.1、 比单实数评估指标更好的指标 单实数评估指标(见上一篇文章)并不是万能的，在很多场景并不是适用，所以本文引入别的指标。 要把你顾及到的所有事情，组合成单实数评估指标，有时并不容易。在那些情况里，我发现有时候设..

转载http://www.shareblogs.top/1694/目录第一章、简介第二章、ML策略第一章、简介本文基于吴恩达人工智能课程做学习笔记、并融入自己的见解(若打不开请复制到浏览器中打开)https://study.163.com/courses-search?keyword=吴恩达。 本文第二章介绍ML策略。第二章、ML策略本文介绍说机器学习的策略，即学习如何更快速高效地优化机器学习系统。 那么 什么是机器学习策略？如图2-1所示，我们从一个启发性的例子开始讲，假..

目录第一章、简介第二章、采访内容摘要第一章、简介本文通过学习吴恩达采访 Yoshua Bengio的视频教程，摘要出重点内容。 第二章是摘要内容。第二章、采访内容摘要林元庆是国家工程实验室的扛鼎人，是国内深度学习领域的第一人。 2000年左右，林元庆去美国读博士，又光学专业换了更感兴趣的人工智能专业。 NEC(美国智能图像研究所)是个神奇的地方，并在NEC开始研究计算机视觉。 林元庆带领的团队参加了ImageNet挑战赛，并以绝对的优势获得第一位冠军（首届举办）。 国家工程实

转载http://www.shareblogs.top/1663/目录第一章、简介第二章、采访内容摘要第一章、简介本文通过学习吴恩达采访 Yoshua Bengio的视频教程，摘要出重点内容。 第二章是摘要内容。第二章、采访内容摘要本文采访Yoshua Bengio 如何入门深度学习。 Yoshua Bengio小时候开始阅读科幻小说，并于1985年研究生阶段，开始阅读神经网络方面的论文。 Yoshua Bengio于1985年研究生阶段，已经开始上经典的AI课程，并拜读Ge

目录第一周 深度学习的实用层面1.1 训练 / 开发 / 测试集1.1.1、 训练集、验证集、测试集​ 1.2偏差 / 方差1.3 机器学习基础1.3.1、降低偏差/降低方差，往往存在一种折中关系（trade off）。1.3.2、偏差1.3.4、方差1.4 正则化1.5 为什么正则化可以减少过拟合？1.6 Dropout 正则化...

本文主要摘自吴恩达的深度学习课堂 https://mooc.study.163.com/smartSpec/detail/1001319001.htm目录第一周、深度学习概论1.1、欢迎来到深度学习工程师微专业1.2、什么是神经网络？1.2.1、Rectified Linear Unit (ReLU)...

一、国际的AI公开课（深度学习等等）1.1、深度学习(吴恩达)参考https://blog.youkuaiyun.com/xpj8888/article/details/886737881.2、Andrew的机器学习课程1.3、Andrej Karpathy的深度学习课程二、国内的AI公开课2.1、小象学院2.2、网易公开课-吴恩达给你的人工智能第一课https:/...