- 博客(24)
- 收藏
- 关注
RSS订阅转载 感受亚马逊：“抠门”的巨无霸电商如何炼成
感受亚马逊：“抠门”的巨无霸电商如何炼成腾讯科技[微博]纪振宇2015年08月30日06:54分享微博空间 微信 新浪微博 邮箱 QQ好友 人人网 开心网 [摘要]亚马逊在业界“口碑”一直不算好，其中对员工“抠门”是流传最广的一个。转播到腾讯微博亚马逊西雅
2015-08-30 22:00:13
991
转载 机器学习中的数学(1)-回归(regression)、梯度下降(gradient descent)
机器学习中的数学(1)-回归(regression)、梯度下降(gradient descent)版权声明： 本文由LeftNotEasy所有，发布于http://leftnoteasy.cnblogs.com。如果转载，请注明出处，在未经作者同意下将本文用于商业用途，将追究其法律责任。前言: 上次写过一篇关于贝叶斯概率论的数学，最近时间比较紧，coding
2015-08-27 22:01:22
450
转载 对梯度下降法的简单理解
对梯度下降法的简单理解2012-05-29 | pengshilin | 转藏(50) 梯度下降法又叫最速下降法，英文名为steepest descend method.估计搞研究的人应该经常听见这个算法吧，用来求解表达式最大或者最小值的，属于无约束优化问题。首先我们应该清楚，一个多元函数的梯度方向是该函数值增大最陡的方向。具体化到1元函数中时，梯
2015-08-27 21:58:25
1533
转载 【深度学习系列4】深度学习及并行化实现概述
【深度学习系列4】深度学习及并行化实现概述mary 发表于 2014.8.18 9710浏览 8讨论 摘要： 深度学习可以完成需要高度抽象特征的人工智能任务，如语音识别、图像识别和检索、自然语言理解等。深层模型是包含多个隐藏层的人工神经网络，多层非线性结构使其具备强大的特征表达能力和对复杂任务建模能力。训练深层模型是长期以来的难题
2015-08-23 15:40:02
856
转载 大数据市场规模5年将达8000亿 交易平台忙圈地
大数据市场规模5年将达8000亿 交易平台忙圈地 8月19日国务院常务会议通过《关于促进大数据发展的行动纲要》，这意味着我国大数据发展迎来顶层设计，将有助于培育经济发展引擎。 在商业界，大数据已经开始成为很多企业的生意，贵阳大数据交易所等交易平台也纷纷成立，以抢占各区域、细分领域市场先机。但是目前，有意愿交易大数据的企业和机构还不多。大数据交
2015-08-23 09:19:28
786
转载 卷积神经网络（CNN）
卷积神经网络（CNN）Apr 6th, 2013 | Comments 1. 概述卷积神经网络是一种特殊的深层的神经网络模型，它的特殊性体现在两个方面，一方面它的神经元间的连接是非全连接的， 另一方面同一层中某些神经元之间的连接的权重是共享的（即相同的）。它的非全连接和权值共享的网络结构使之更类似于生物 神经网络，降低了网络模型的复杂度（对于很难学习的深层结构来说，这是
2015-08-22 16:02:33
3352
转载 你应该掌握的七种回归技术
你应该掌握的七种回归技术发表于22小时前| 4381次阅读| 来源AnalyticsVidhya|11 条评论| 作者Sunil Ray回归神经网络机器学习数据分析 摘要：本文解释了回归分析及其优势，重点总结了应该掌握的线性回归、逻辑回归、多项式回归、逐步回归、岭回归、套索回归、ElasticNet回归等七种最常用的回归技术及其关键要素，最后介绍了选择正确的回归
2015-08-21 20:56:32
3767
转载 谷歌语音转录背后的神经网络
谷歌语音转录背后的神经网络 谷歌神经网络深度学习语言识别 摘要：最近，谷歌宣布了在语音转录上使用长短期记忆递归神经网络（LSTM RNNs）所取得的成就，本文详细叙述了实现的过程。【编者按】由于“记忆单元”的优势，LSTM RNNs已经应用于Google、百度、科大讯飞的语音处理之中。最近，Google在其技术博客中自述了使用LSTM模型
2015-08-17 20:46:38
1031
转载 TalkingData CTO肖文峰：研发工程师，你为啥升不上去？
TalkingData CTO肖文峰：研发工程师，你为啥升不上去？发表于2015-08-14 16:06| 1391次阅读| 来源CSDN| 4 条评论| 作者肖文峰开发者研发管理工程师个人技能升职 摘要：TalkingData CTO肖文峰：不同公司虽然有不同的薪资级别体系，但是在职位设定上，概念差别不大，都经过了从初级、中级、高级到资深的发展过程，每个阶段都
2015-08-17 20:43:53
2405
转载 CNN公式推导
CNN公式推导1 前言 在看此blog之前，请确保已经看懂我的前两篇blog【深度学习笔记1(卷积神经网络)】和【BP算法与公式推导】。并且已经看过文献[1]的论文【Notes on Convolutional Neural Networks】。因为本文就是讲解文献[1]论文前部分公式的推导过程这里有一个假设，或许公式是错误的，如有好的理解请留言>。2
2015-08-16 21:01:00
776
转载 腾讯创始人马化腾：14年经验得失总结
腾讯创始人马化腾：14年经验得失总结 2015-08-14 15:42:03 责任编辑：陈一欣 来源：腾讯科技 <input name="hidtext" id="hidtext" type="hidden" value="腾讯创始人马化腾：14年经验得失总结 分享到
2015-08-16 20:33:24
2641
转载 微软创投加速器最新成果展示：人工智能技术杀入时尚界
微软创投加速器最新成果展示：人工智能技术杀入时尚界发表于23小时前| 843次阅读| 来源CSDN|1 条评论| 作者周建丁人工智能计算机视觉深度学习数据分析微软创投加速器 摘要：在8月8日的微软创投加速器第六期展示日展示的成果显示，人工智能、数据分析和云平台仍然是技术创业的最佳方向，而与大众生活及学生学习相关的项目更容易获得投资人的青睐。在8月8日
2015-08-10 21:23:17
2563
转载 CVPR 2015深度学习回顾
CVPR 2015深度学习回顾：ConvNet、Caffe、Torch及其他 摘要：本文是vision.ai的Co-Founder，前MIT研究人员T. Malisiewicz针对CVPR'15尤其是Deep Learning的综述文章，谈到了ConvNet的Baseline，Caffe和Torch之间的分歧，ArXiv论文热，以及百度的ImageNet违规
2015-08-08 20:59:35
1248
1
转载 京东DNN Lab首席科学家：用深度学习搞定80%的客服工作
京东DNN Lab首席科学家：用深度学习搞定80%的客服工作发表于2014-12-30 18:05| 4593次阅读| 来源CSDN| 7 条评论| 作者周建丁深度学习京东dnn自然语言处理机器学习deep learning 摘要：CSDN记者对话京东深度神经网络实验室（DNN Lab）首席科学家李成华，话题涉及京东如何理解深度学习、为何要做深度学习、如
2015-08-05 20:59:40
1500
转载 深度学习的"非主流"应用
Taxi Trajectory Prediction竞赛冠军访谈：深度学习的"非主流"应用发表于12小时前| 527次阅读| 来源Kaggle|0 条评论| 作者Kaggle Team深度学习机器学习数据可视化计算机视觉MLP 摘要：出租车线路预测（Taxi Trajectory Prediction）竞赛中，一个团队使用在MILA实验室开发的深度学习工具赢
2015-08-03 21:41:12
927
转载 帮Facebook把用户做到7亿的那个人，告诉你如何实现用户增长
帮Facebook把用户做到7亿的那个人，告诉你如何实现用户增长你真的知道自己在设计的是什么样的产品吗？彭萦2015-08-03 07:02Facebook产品 投稿 头条 21419 译者按：Chamath Palihapitiya是一个特别招恨的人，他做什么什么成。Chamath Palihapitiya出
2015-08-03 21:25:42
488
转载 处理复杂问题的方法
这是BI挪威商学院（挪威最大的商学院）战略与物流系副教授Espen Andersen在ACM Ubiquity博客上发表的文章。（译者：李雅慧）计算机系统曾经非常脆弱，以至于我们不得不简化它所处理的问题。现如今，即使最复杂不过的问题，计算机也能从容应对——但我们仍需懂得如何简化，才不至于令大众面对本不必要的复杂。已故的哈佛大学商学院教授James McKenny是我的导师，他讲
2015-08-02 21:30:59
2469
转载 支持向量机：Numerical Optimization
支持向量机：Numerical Optimization by pluskid, on 2010-09-15, inMachine Learning 15 comments本文是“支持向量机系列”的第五篇，参见本系列的其他文章。作为支持向量机系列的基本篇的最后一篇文章，我在这里打算简单地介绍一下用于优化 dual 问题的 Sequential Mi
2015-08-01 17:30:47
664
转载 支持向量机：Outliers
支持向量机：Outliers by pluskid, on 2010-09-13, inMachine Learning 21 comments本文是“支持向量机系列”的第四篇，参见本系列的其他文章。在最开始讨论支持向量机的时候，我们就假定，数据是线性可分的，亦即我们可以找到一个可行的超平面将数据完全分开。后来为了处理非线性数据，使用 Kernel
2015-08-01 17:25:13
535
转载 支持向量机: Kernel
支持向量机: Kernel by pluskid, on 2010-09-11, inMachine Learning 61 comments本文是“支持向量机系列”的第三篇，参见本系列的其他文章。前面我们介绍了线性情况下的支持向量机，它通过寻找一个线性的超平面来达到对数据进行分类的目的。不过，由于是线性方法，所以对非线性的数据就没有办法处理了。例
2015-08-01 17:19:46
745
转载 SVM理解
支持向量机: Maximum Margin Classifier by pluskid, on 2010-09-08, inMachine Learning 84 comments本文是“支持向量机系列”的第一篇，参见本系列的其他文章。支持向量机即 Support Vector Machine，简称 SVM 。我最开始听说这头机器的名号的时候，
2015-08-01 17:12:49
571
转载 微软沈向洋：计算机视觉未来在语义层 “两大一精”是关键
微软沈向洋：计算机视觉未来在语义层 “两大一精”是关键发表于2015-07-29 11:23| 294次阅读| 来源CSDN| 0 条评论| 作者周建丁人工智能计算机视觉CCAI微软沈向洋 摘要：沈向洋认为，未来计算机视觉将致力于在语义层面实现更加深刻的图像理解，不仅满足于识别出图像中的物体，还能给出图像标题进而讲出图像背后的故事。这一切需要大数据、大计算和精准
2015-08-01 14:52:23
1197
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人