- 机器学习简介
- 无序数据转化为价值的方法
- 从数据中抽取规律,并用来预测未来
- 实现人工智能的方法
- 应用举例
- 分类问题
- 图像识别
- 垃圾邮件识别
- 回归问题
- 股价预测
- 房价预测
- 排序问题
- 点击率预估
- 推荐
- 生成问题
- 图像生成
- 图像风格转换
- 图像文字描述生成
- 分类问题
- 应用流程
- 岗位职责
- 数据处理(采集+去噪)
- 模型训练(特征+模型)
- 模型的评估和优化(MSE
- 模型应用(A/B测试)
- 无序数据转化为价值的方法
- 深度学习简介
- 实现机器学习算法的技术
- 优势
- 在大数据时代
- 优势
- 算法集合
- 卷积神经网络
- 循环神经网络
- 不定长数据
- 自动编码器
- 稀疏编码
- 深度学习+强化学习=深度强化学习
- 进展
- 图像分类
- 机器翻译
- attention
- 加权
- attention
- 图像生成
- 漫画上色
- 生成字体
- 图像超清化
- AlphaGo
- CNN
- 实现机器学习算法的技术
- 神经网络
- 神经元
- 最小结构 - 最小的神经网络
-
- 扩展
- b 视为特征值 x 的扩展
- b 表示函数在坐标轴的分类线或坐标面的分类面
- 三向量变四向量
- 扩展
- 神经元-激活函数sigmoid-二分类逻辑斯蒂回归模型
- 输出在0、1之间
- 概率
- 神经元-多输出
- w从向量扩展为矩阵
- 输出w*x则变成向量
- 多输出神经元-soft Max-多分类逻辑斯蒂回归模型
- 目标函数
- 衡量对数据的拟合程度
- 逻辑回归模型
- 算一种简单的神经网络算法
- 最赚钱
- 谷歌、百度广告点击率预估
- 神经网络训练
- 调参
- 使得| 真实值-预测值(激活函数的输出)|=Loss(目标函数的输出) 最小
- 数据处于动态,最优参数也在变化
- 不能直接由方程那样解得最优参数
- 梯度下降算法(下山算法)
- 找到每一步相对应的最快下山路径
- 学习率的影响
- 步长大 很可能直接跨过最小 Loss 的坑,或与最短下山路擦肩
- 调参
- 神经元
- tensorflow 基础
- Tensorflow 介绍
- Google Brain 的第二代机器学习框架
- 开源社区活跃
- 可扩展性好
- 在分布式搭建下支持度高
- 将 tensorflow 轻松拓展到多台机器上
- API 健全,对用户友好
- DOS 越来越完善
- 计算图模型
- 命令式编程
- 自己写求导函数
- 反向传播的 code
- 自己写求导函数
- 声明式编程
- 多层
- 层间相似
- 可以定义通用函数,不用改变求导函数
- 类似于函数
- 命令式编程
- 多层神经网络的 Tensorflow 实战
- 神经元的 Tensorflow 实现
- Tensorflow 的环境搭建
- 神经网络的 Tensorflow 实现
- 神经元的 Tensorflow 实现
- Tensorflow 介绍
- 神经网络 tensorflow 入门
神经网络入门
最新推荐文章于 2024-09-17 02:13:06 发布