- 博客(13)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 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
468
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
6745
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
391
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
1634
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
308
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
188
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
833
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
289
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
7778
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
3080
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
1069
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
673
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
10347
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人