Academic
ariesjzj
这个作者很懒,什么都没留下…
展开
-
机器学习与人工智能学习资源导引
我经常在 TopLanguage 讨论组上推荐一些书籍,也经常问里面的牛人们搜罗一些有关的资料,人工智能、机器学习、自然语言处理、知识发现(特别地,数据挖掘)、信息检索这些无疑是 CS 领域最好玩的分支了(也是互相紧密联系的),这里将最近有关机器学习和人工智能相关的一些学习资源归一个类: 首先是两个非常棒的 Wikipedia 条目,我也算是 wikipedia 的重度用户了,学习一门东西的时候转载 2008-12-02 19:58:00 · 1307 阅读 · 0 评论 -
机器学习方面的软件下载链接
Gaussian Processes<!-- DO NOT MODIFY THIS BIBLIOGRAPHY BY HAND! IT IS MAINTAINED AUTOMATICALLY! YOUR CHANGES WILL BE LOST THE NEXT TIME IT IS UPDATED!-->GP Demo. Demonstration So转载 2010-02-06 15:38:00 · 2349 阅读 · 0 评论 -
zz纯数学课程科目与教材推荐
纯数学课程科目与教材推荐由于现在纯数学大概按照分析,几何与拓扑,代数三个大方向来分类,所以我也按照这个分类来一门一门的看,概率与数理统计我放到另外一部分来讲。1:Analysis:1.1:Mathematical Analysis上面我已经说过,微积分或者数学分析在美国这边分为两个Sequences,基础的Sequence主要讲Intuition,概念以及计算,我相信大家都已经很熟。但是第二个Se转载 2010-05-16 10:16:00 · 3854 阅读 · 0 评论 -
涉足计算机视觉领域要知道的
作机器视觉和图像处理方面的研究工作,最重要的两个问题:其一是要把握住国际上最前沿的内容;其二是所作工作要具备很高的实用背景。解决第一个问题的办法就是找出这个方向公认最高成就的几个超级专家(看看他们都在作什么)和最权威的出版物(阅读上面最新的文献),解决第二个问题的办法是你最好能够找到一个实际应用的项目,边做边写文章。 做好这几点的途径之一就是利用网络资源,利用权威网站和专家们的个人主页。转载 2011-12-24 21:23:35 · 1573 阅读 · 0 评论 -
MIT牛人解说数学体系
在过去的一年中,我一直在数学的海洋中游荡,research进展不多,对于数学世界的阅历算是有了一些长进。为什么要深入数学的世界作为计算机的学生,我没有任何企图要成为一个数学家。我学习数学的目的,是要想爬上巨人的肩膀,希望站在更高的高度,能把我自己研究的东西看得更深广一些。说起来,我在刚来这个学校的时候,并没有预料到我将会有一个深入数学的旅程。我的导师最初希望我去做的题目,是对app转载 2011-12-25 17:36:12 · 3094 阅读 · 0 评论 -
Reinforcement Learning Resource
reinforcement learning toolkit - a python implementation of RL by Suttonhttp://rlai.cs.ualberta.ca/RLAI/RLtoolkit/RLtoolkit1.0.html reinforcement learning software and stuffhttp://www.cs.ual原创 2009-10-23 22:49:00 · 1492 阅读 · 0 评论 -
用于科学计算的Python库-代替Matlab
原文地址:http://blog.csdn.net/ariesjzj/article/details/7477783数值计算,线性代数库 - NumPy, SciPy。相当于BLAS, LAPACK。网址:http://numpy.scipy.org/,http://www.scipy.org/ubuntu安装:# apt-get install python-nu原创 2012-05-02 16:30:20 · 11229 阅读 · 0 评论 -
[Python] 如何证明两组样本有显著性差异(t-test假设检验)
原文地址:http://blog.csdn.net/ariesjzj/article/details/7546930 现有两组样本数据,假如它们分别基于两套不同的方法,或者测于不同的设备,又或是出自两个人之手,如何证明它们有或没有显著性差别呢?当然可以拿个Excel表把数据画个图,然后找一堆人来投票,看觉得差不多还是觉得差得多的人哪方票数高。但终归这种做法有些主观,不够说明力。概率统计给出原创 2012-05-10 15:55:33 · 41407 阅读 · 3 评论