机器基石笔记摘要

最新推荐文章于 2024-10-20 20:56:06 发布
最新推荐文章于 2024-10-20 20:56:06 发布
阅读量243 收藏
点赞数
分类专栏： MachineLearning 文章标签： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/mdming412/article/details/52197636
版权

机器基石笔记摘要

机器基石03

4个基本模式 （在输出空间）：

  • Binary classify (二分类 ，是非题)
    Y={-1,+1}
  • Multiple classify
    Y={1,2,3,…. , k}
  • Regression
    Y=R
  • Structured Learning: Sequence Tagging Problem （马尔可夫链）
    Y=structures

许多算法由此基础展开

鸣一
关注
专栏目录
『大模型笔记』FlashAttention: 具有IO意识的快速且内存高效的精确注意力机制！
AI新视界
05-30 206
Transformer在处理长序列时速度慢且内存消耗大，因为自注意力机制的时间和内存复杂度与序列长度呈二次方关系。近似注意力方法试图通过降低计算复杂度来解决这个问题，但通常无法在实际中实现速度提升。我们认为一个缺失的原则是使注意力算法具有IO感知能力——考虑在GPU内存各层之间的读写操作。我们提出了FlashAttention，这是一种具有IO感知能力的精确注意力算法，通过使用分块技术减少GPU高带宽内存（HBM）和GPU片上SRAM之间的内存读写次数。
ChatGPT 在机器学习中的应用
gongdiwudu的专栏
09-27 5774
​大家都知道ChatGPT。它在解释机器学习和深度学习概念方面也非常高效，至少到 2021 年是这样。在这篇文章中，我想展示它的人工智能知识。我们来测试一下吧。
林轩田机器学习基石课程学习笔记1 -- The Learning Problem
zero的博客
04-01 430
点击上方“AI算法与图像处理”，选择加"星标"或“置顶”重磅干货，第一时间送达主要内容What is Machine LearningApplications of M...
吃瓜有感-机器学习西瓜书摘要4
jclee的专栏
02-26 81
学习周志华老师《机器学习》第五章 神经网络 摘要及笔记。了解神经网络的构成与常用算法。
CRYPTO 密码学-笔记
weixin_68177269的博客
08-18 723
对一份数据，进行一个单向的 Hash 函数，生成一个固定长度的 Hash 值，这个值就是这份数据的摘要，也称为指纹。消息摘要算法的主要特点是加密过程不需要私钥，并且加密的数据不可逆。只有输入是相同的明文数据并且采用相同的消息摘要算法，得出来的密文才是一样的。其加密过程的计算量是比较大的消息摘要算法目前主要应用在"数字签名"领域，作为对明文的摘要算法，著名的摘要算法有 RSA 公司的 MD5 算法和 SHA-1 算法及其大量的变体。
林轩田机器学习基石1：机器学习问题（The Learning Problem）
阿里巴巴算法工程师
01-05 467
欢迎关注公众号-AI圈终身学习。 公众号首页回复“机器学习”查看所有系列文章。 机器学习基石课程大概八周，分为四个部分： When Can Machines Learn? Why Can Machines Learn? How Can Machines Learn? How Can Machines Learn Better? 课程主页: http://www.csie.ntu.edu....
台湾大学林轩田机器学习基石课程学习笔记1 -- The Learning Problem
zero的博客
04-02 244
一、What is Machine Learning 什么是“学习”？学习就是人类通过观察、积累经验，掌握某项技能或能力。就好像我们从小学习识别字母、认识汉字，就是学习的过程。而机器学习（Machine Learning），顾名思义，就是让机器（计算机）也能向人类一样，通过观察大量的数据和训练，发现事物规律，获得某种分析问题、解决问题的能力。 机器学习的过程是从资料出发，经过电脑的计算之后，最终得...
高效的机器学习研究者，应该具备这 6 个习惯
喜欢打酱油的老鸟
02-19 549
2020-02-18 05:35:02 作者 | John Schulman编译 | 丛末、蒋宝尚 一名优秀的机器学习研究员有哪些特质？是码力超强？还是理论功底一骑绝尘？ 码力和理论固然重要，但是良好的习惯才应该是检验是否优秀的唯一标准。 紧跟Arxiv Sanity Preserver的最新研究，让模型训练不眠不休，最大限度的利用Stack Overflow.....除了这些，还有哪...
机器视觉灯光选型指南
图像处理、SLAM、PCL、OpenCV爱好者
08-01 1737
本文是对来自Advanced Illumination 公司的Daryl Martin 编写的三部分系列中的学习笔记，展示了机器视觉照明概念和理论。 文章目录摘要介绍视觉照明源和光谱含量视觉照明的基石最佳照明解决方案的注意事项环境光影响样品/光相互作用颜色分析样品成分和透射率照明技术明场与暗场应用领域照明分析序列总结 摘要 照明的质量和适当性是创建强大而及时的视觉检查的关键方面。要设计有效的视觉照明解决方案，除了了解照明类型、技术、几何形状、过滤、传感器特性和颜色之外，您还需要对检测环境进行全面分析，包.
程序员数学基础阅读摘要与关键笔记
资源摘要信息:"程序员的数学基础" 在当今信息技术飞速发展的时代，程序员作为IT行业的重要角色...这本读书笔记所涉及的数学知识点，是程序员在追求卓越和解决复杂问题时的基石，也是推动IT行业创新发展的驱动力之一。
机器学习资料
05-04
"课程.txt"可能包含课程讲解的文本摘要或笔记，这些内容是理解复杂概念和公式的关键。在机器学习中，理解如梯度下降、损失函数、正则化等概念至关重要。此外，文件可能还会涵盖特征工程、模型评估和优化策略，这些都...
上海交大CS385机器学习课程PPT与作业解析
资源摘要信息:"CS385 机器学习-全套 PPT 课件-作业" 该资源包含了上海交通大学提供的机器学习课程的全套PPT课件以及相关的作业文件。涵盖了机器学习基础到高级主题的多个方面，具体知识点如下： 1. 引言部分（lec0...
scikit-learn digital write recognize
鸣一的专栏
08-27 697
【笔记】调一下scikit-learn ： 详细链接：http://xhrwang.me/2015/02/13/scikit_learn-tutorial.html下面的例子将演示如何使用 sklearn 库中提供的数字图片 dataset 来识别它们表示的实际数字, 且标记本人的一些学习心得。所需lib: matplotlib.pyplot & sklearn 数据源：sklearn.dat
scikit-learn 学习笔记
鸣一的专栏
08-28 609
scikit-learn 学习笔记关于数据集dataset 1. 可以查看官网的描述 ： http://scikit-learn.org/stable/datasets/index.html 2. 也可以 直接看source code.load_boston() #Load and return the boston house-prices dataset (regression). lo
讲解机器学习中的 K-均值聚类算法及其优缺点。（AI）
最新发布
gcliyilin的博客
10-20 208
K-均值聚类算法是一种常见的无监督学习算法，用于将数据集中的样本划分为 K 个不同的簇。这个算法的基本思想是将样本根据其相似性进行分组，使得每个簇内的样本相似度尽可能高，而不同簇之间的相似度尽可能低。针对算法的缺点，可以采取一些改进措施，例如使用更加鲁棒的距离度量方法、选择合适的初始聚类中心、采用层次聚类等。2. 针对每个样本，计算其与每个聚类中心之间的距离，将样本分配给距离最近的聚类中心对应的簇。2. 对初始聚类中心的选择敏感：不同的初始聚类中心可能导致不同的聚类结果。5. 最终得到 K 个簇。
NCU-机器学习-作业4：基于XGboost的收入分类预测
weixin_52470573的博客
10-17 172
在train/目录下包含一个train.csv文件，其中每行表示数据的一条记录。文件中每行共有18列，列income为收入分类(0表示小于等于50k，1表示大于50k）。其余各列为数据对象的各项参数特征（连续属性：age、fnlwgt、education-num、capital-gain；离散属性：education、marital-status、occupation、relationship、race、sex、native-country）。
机器学习与神经网络：无限可能的未来
weixin_52937170的博客
10-17 365
如何看待机器学习和神经网络的发展。
第十六周：机器学习
benbenxinchen的博客
10-20 791
本周学习非监督学习的其中一种类型——生成式模型，其中包含pixel RNN、VAE和GAN三种模型。简单的了解了三种模型的提出和生成数据的方式以及其优缺点。还进行了代码实践——李宏毅机器学习HW6：生成二次元图片。该代码实例是扩散模型，学习了该模型的一些代表性的辅助块和组件，以及添加噪声的数据处理。本周的代码实践仅仅是扩散模型的simple版本，后续还将添加数据增强以及其他参数的调整实现更好的生成效果。并且继续学习flow-based GAN的相关内容。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值