2017年10月_绝不原创的飞龙

12月 11月 10月 09月 08月 07月 06月 05月 04月 03月 02月 01月

翻译复杂性思维第二版二、图

二、图原文：Chapter 2 Graphs 译者：飞龙协议：CC BY-NC-SA 4.0 自豪地采用谷歌翻译本书的前三章有关一些模型，它们描述了由组件和组件之间的连接组成的系统。例如，在生态食物网中，组件是物种，连接代表捕食者和猎物的关系。在本章中，我介绍了 NetworkX，一个用于构建和研究这些模型的 Python 包。我们从 Erdős-Rényi

2017-10-31 21:13:39 39063

翻译复杂性思维第二版一、复杂性科学

一、复杂性科学原文：Chapter 1 Complexity Science 译者：飞龙协议：CC BY-NC-SA 4.0 自豪地采用谷歌翻译这本书的论点是，复杂性科学是一种“新型科学”，我借鉴自 Stephen Wolfram。2002年，Wolfram 发表了 “新科学”一文，在这里介绍了他和其他人在细胞自动机上的工作，并描述了一种用于计算系统研究的科

2017-10-27 21:44:26 40842

翻译写给人类的机器学习翻译完成

写给人类的机器学习原书：Machine Learning for Humans译者：飞龙（等）这个世界不缺少科学家，缺少能说人话的科学家。在线阅读PDF格式EPUB格式MOBI格式代码仓库赞助我协议CC BY-NC-SA 4.0

2017-10-23 21:48:54 37579

翻译写给人类的机器学习五、强化学习

五、强化学习原文：Machine Learning for Humans, Part 5: Reinforcement Learning 作者：Vishal Maini 译者：飞龙协议：CC BY-NC-SA 4.0 探索和利用。马尔科夫决策过程。Q 学习，策略学习和深度强化学习。我刚刚吃了一些巧克力来完成最后这部分。在监督学习中，训练数

2017-10-22 22:59:27 37752

翻译写给人类的机器学习六、最好的机器学习资源

六、最好的机器学习资源原文：The Best Machine Learning Resources 作者：Vishal Maini 译者：飞龙协议：CC BY-NC-SA 4.0 用于制定人工智能、机器学习和深度学习课程表的资源概览。制定课程表的一般建议上学获得一个正式学位并不总是可行或者令人满意的。对于那些考虑自学来代替的人，这就是写给你们的。1.

2017-10-21 23:32:12 38238

翻译写给人类的机器学习一、为什么机器学习重要

一、为什么机器学习重要原文：Machine Learning for Humans 作者：Vishal Maini 译者：飞龙协议：CC BY-NC-SA 4.0 简单、纯中文的解释，辅以数学、代码和真实世界的示例谁应该阅读它想尽快赶上机器学习潮流的技术人员想要入门机器学习，并愿意了解技术概念的非技术人员好奇机器如何思考的任何人本指南旨在让任

2017-10-20 23:19:59 39335

转载写给人类的机器学习三、无监督学习

三、无监督学习原文： Machine Learning for Humans, Part 3: Unsupervised Learning 作者：Vishal Maini 译者：机器之心聚类和降维：K-Means 聚类，层次聚类，主成分分析（PCA），奇异值分解（SVD）。我们可以怎样发现一个数据集的底层结构？我们可以怎样最有用地对其进行归纳和分组？我们

2017-10-19 17:11:30 41171 3

翻译写给人类的机器学习四、神经网络和深度学习

四、神经网络和深度学习原文：Machine Learning for Humans, Part 4: Neural Networks & Deep Learning 作者：Vishal Maini 译者：飞龙协议：CC BY-NC-SA 4.0 深度神经网络的工作地点、原因和方式。从大脑中获取灵感。卷积神经网络（CNN）和循环神经网络（RNN）。真实世

2017-10-18 22:50:10 39359

翻译写给人类的机器学习 2.3 监督学习 III

2.3 监督学习 III 原文：Machine Learning for Humans, Part 2.3: Supervised Learning III 作者：Vishal Maini 译者：飞龙协议：CC BY-NC-SA 4.0 非参数化模型：KNN、决策树和随机森林。包含交叉验证、超参数调优和集成模型。非参数学习器事情变得有点…奇怪了。

2017-10-17 13:20:40 37690 1

翻译写给人类的机器学习 2.2 监督学习 II

2.2 监督学习 II 原文：Machine Learning for Humans, Part 2.1: Supervised Learning 作者：Vishal Maini 译者：飞龙协议：CC BY-NC-SA 4.0 使用对数几率回归（LR）和支持向量机（SVM）的分类。分类：预测标签这个邮件是不是垃圾邮件？贷款者能否偿还它们的贷款？用户是否

2017-10-14 21:44:38 37933 1

翻译写给人类的机器学习 2.1 监督学习

2.1 监督学习原文：Machine Learning for Humans, Part 2.1: Supervised Learning 作者：Vishal Maini 译者：飞龙协议：CC BY-NC-SA 4.0 监督学习的两大任务：回归和分类。线性回归，损失函数和梯度下降。通过在数字广告上花费更多的钱，我们能挣多少钱？这个贷款的申请人是否能偿

2017-10-13 23:26:53 38743 1