- 博客(13)
- 资源 (2)
- 收藏
- 关注
原创 深度学习第一步:windows+Anaconda下安装tensorflow深度学习框架
很多朋友喜欢在windows下编程,今天介绍一下如何在windows下通过Anaconda安装tensorflow。以后需要学习深度学习的朋友可以收藏着。 一共四步,一会就成功! 第一步,首先需要安装Anaconda。它是一个库管理工具,能够管理不同环境,不同环境下可以安装不同python版本以及其他库。安装Anaconda这一步非常的简单去Anaconda官方网站(https...
2018-09-16 10:02:26
475
原创 深度学习第二步:jupyter notebook 使用自己创建的新conda环境
接着上面一篇深度学习第一步:windows+Anaconda下安装tensorflow深度学习框架,很多人不知道怎么在jupyter notebook 中使用自己新创建的conda运行环境,比如上一篇我们创建了一个名为“tensorflow”的conda环境,现在如何在jupyter notebook 中使用它呢?如何在图下中出现两种环境的选择?同样跟着5步,很快就能完成!(所有步骤...
2018-09-16 09:52:53
6776
原创 升职加薪,必不可少!Python刷题打怪,你要的LeetCode答案都在这里了!
对于还不了解LeetCode的同学,那比较厉害了,估计离大厂还有一步距离!LeetCode,让程序员进阶的在线平台,找工作备战名企技术面试!(文末阅读原文到达学习平台)本公众号之前陪伴了几期LeetCode的打卡之旅,Python版LeetCode1.两数之和Python版LeetCode3.无重复字符的最长子串Python版LeetCode4.两个排序数组...
2018-09-16 08:29:50
398
1
原创 强烈推荐deeplearning.ai 吴恩达给你的人工智能第一课(中文版)
我们都知道有一个地方,它的名字叫cursera.我们都知道有一个人,他的名字叫吴恩达。我们知道他曾是斯坦福的教授,后来他不干了,但他还一直在传播人工智能。他的斯坦福机器学习课程很火,他想造福更多的人,包括中国人,让更多的人开始学习人工智能,让学习变得easy!这是英文网站:https://www.deeplearning.ai/你试试!黝黑的界面,深邃,但深不可测,也许是因为这黑色,或者是这英文...
2018-07-01 22:49:05
1692
3
转载 必会!深度学习机器学习面试问题准备...
转载作者:我爱大泡泡原文链接:https://blog.csdn.net/woaidapaopao/article/details/77806273?locationnum=9&fps=1第一部分:深度学习1、神经网络基础问题(1)BP,Back-propagation(要能推倒) 后向传播是在求解损失函数L对参数w求导时候用到的方法,目的是通过链式法则对参数进行一层一层的求导。这里重点强...
2018-07-01 22:43:01
329
转载 入行 AI,如何选个脚踏实地的岗位?
0.引言AI原本是一个专业领域,没什么特别的。作为码农一枚,笔者的工作内容正好在这个领域。近来这一年左右时间里,连续发生了多件事情,使得笔者不得不抬起原本一直低着敲代码的头,看看这个为AI狂欢的世界。【Case 1】 居然在一个月里碰到两位在相对传统行业创业的亲友,来打听将AI技术应用到他们所在行业上的问题,例如:是聊天机器人是否可以代替人工客服。两位亲友居然都动了雇佣一位算法工程师的念头。其中一...
2018-07-01 22:39:22
207
翻译 成为高级数据科学家意味着什么?
本文翻译整理:https://www.dataquest.io/blog/what-does-it-mean-to-be-a-senior-data-scientist/我的职位是'高级数据科学家',我经常开玩笑,我不知道这意味着什么。
2018-07-01 22:38:02
864
原创 初学者的十大机器学习算法
本文翻译整理:https://www.dataquest.io/blog/top-10-machine-learning-algorithms-for-beginners/介绍在哈佛商业评论文章中称“数据科学家”为“21世纪最性感的工作”后,ML算法的研究获得了巨大的推动。因此,对于ML领域的初学者,我们决定重新启动我们广受欢迎的Gold博客10算法机器学习工程师需要知道- 尽管这篇文章针对...
2018-07-01 22:35:01
298
原创 机器学习为什么需要交叉验证?怎么使用k-fold cross validation(k-折叠交叉验证)
介绍这个非常重要的概念,希望在训练算法时能帮助各位。概念和思维解读叉验证的目的:在实际训练中,模型通常对训练数据好,但是对训练数据之外的数据拟合程度差。用于评价模型的泛化能力,从而进行模型选择。交叉验证的基本思想:把在某种意义下将原始数据(dataset)进行分组,一部分做为训练集(train set),另一部分做为验证集(validation set or test set),首先用训练集对模型...
2018-07-01 22:32:36
7815
原创 Windows下如何在Python上安装xgboost ?
一个正确的安装过程,敌得过花两小时试了那些所谓的正确方式!本文例子环境:python3.6 ,window10,anaconda刚开始试了conda install py-xgboost,建议赶紧停下,不想你遇到那么多坑!以下步骤,简单好用:1.先下载xgboost的.whl文件,地址:https://www.lfd.uci.edu/~gohlke/pythonlibs/#xgboost2.whl...
2018-07-01 22:31:36
3129
1
转载 机器学习概念:最大似然估计
介绍在这篇文章中,我将解释参数估计的最大似然方法,并通过一个简单的例子来演示该方法。其中一些内容要求了解基本概率概念,例如联合概率的定义和事件的独立性。什么是参数?通常在机器学习中,我们使用模型来描述导致观察数据的过程。例如,我们可以使用随机森林模型来分类客户是否可以从服务中取消订购(称为客户流失建模),或者我们可以使用线性模型来预测将为公司生成的收入,具体取决于他们有多少可能花费在广告上(这将是...
2018-07-01 22:19:30
1102
原创 机器学习不得不知的的特征工程
Feature engineering本文开始之前,着重强调“特征工程的重要性:数据决定算法的上限”。(图片与本文无关,好看点个赞?)何为特征工程特征使用方案1)要实现我们的目标需要哪些数据2)可行性评估:获取难度,覆盖率,准确率特征获取方案1)如何获取这些特征?2)如何存储,什么样的形式存储特征清洗1)特征清洗,异常样本的清晰2)采样数据均衡问题特征预处理1)对于单个特征:归一化,标准化,离散...
2018-07-01 22:18:30
701
1
原创 机器学习中多分类问题解决思路
机器学习中如何应对多分类问题,一般我们只知道二分类问题比较好弄,很多算法在书上都是以二分类问题介绍原理。对于多分类的情况该怎么办呢?在这里我举一个有趣例子来阐述思路。案例:对于一个汽车的好坏评价,总共有四种评价:很好,好,一般,差。给了一些数据用来训练这些评价分类器,如何才能得到四种的评价呢。思路:首先,将这四种评价数值化表示:{很好:1,好:2,一般:3,差:4},对于 1,2,3,4 ,...
2018-07-01 22:16:40
10371
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人