- 博客(5)
- 收藏
- 关注
RSS订阅原创 斯坦福大学2017年-Spring-最新强化学习（Reinforcement Learning）课程分享
课程说明为了实现人工智能的梦想，我们需要学习出可以进行自主决策的系统。强化学习就是实现这一目标的强有力的例子，它与包括机器人、游戏、消费者画像和医疗保健在内的各种任务息息相关。本门课程将详细介绍强化学习领域的基础知识，学生们将会学习到强化学习核心方法和技术，包括如何进行泛化（Generalization）和探索（Exploration）。通过专家讲座、书面课程和线下编码任务相结合的方式，学
2017-09-24 18:23:52
4814
6
原创 深度学习（AI）在医疗领域应用、需求及未来发展概述
经历历史的发展，医疗已经变成一个纯手工艺的职业-也就是说，它高度依赖于医生的技能和经验，而不是寻求建立一个诊断和治疗患者的标准化过程。近年来，情况已经开始改变，因为像类似证据医疗（Evidence Based Medicine）和精准医疗（Precision Medicine）这样的技术已经试图往这个领域中，注入更多的严格和基于数据驱动的方法。然而，绝大多数医疗服务是通过传统的希波克拉底主义哲学（
2017-09-14 16:21:03
4693
原创 神经机器翻译（NMT）的一些重要资源分享
教程：· 由Thang Luong编写的NMT教程 -这是一个简短的教程，循序渐进的介绍神经机器翻译的原理。但稍微令人感到失望的是，没有详细记录基础实验的运行和评估情况。当然，解决这些问题很简单，但这确实需要花一点时间。· 原始的Tensorflow seq2seq教程 -第一个Seq2Seq实验。现在我们讨论的是WMT15 set。· tf-seq2seq （博客
2017-09-14 16:18:56
2584
原创 麻省理工学院-2017年-深度学习与自动驾驶视频课程分享
MIT最近放出了一套关于深度学习与自动驾驶应用的课程，主讲人Lex Fridman，MIT的一名博士后，主要半自动驾驶、场景感知、运动控制和规划等方向。这门课程介绍了深度学习相关知识，以自动驾驶为载体，详细介绍了深度学习技术在自动驾驶中的应用。非常适合初学者学习，课程主要面向那些刚接触机器学习、自动驾驶、深度学习的人，但同时也适用于深度学习、自动驾驶领域的高级研究人员，帮助学习者够深入了解
2017-09-09 18:36:26
3265
3
原创 模型汇总22 机器学习相关基础数学理论、概念、模型思维导图分享
机器学习是计算机科学的一个子领域，让计算机能够在没有明确编码的情况下自动进行学习。机器学习学科的目的是研究和构建一些可以让机器自动从数据中学习和基于数据进行预测的算法。机器学习的范围很广泛，令人着迷。它跨越数学，计算机科学和神经科学的多个领域。本文的目的主要是尝试总结机器学习相关的一些“过程”、数据处理过程、数学理论和常用模型。1、过程数据科学不是一个设定然后遗忘的
2017-09-02 21:07:41
2262
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