- 博客(0)
- 资源 (23)
- 收藏
- 关注
RSS订阅Deep Learning(深度学习手册)
深度学习（Deep Learning, DL）或阶层学习（hierarchical learning）是机器学习的技术和研究领域之一，通过建立具有阶层结构的人工神经网络（Artifitial Neural Networks, ANNs），在计算系统中实现人工智能 。由于阶层ANN能够对输入信息进行逐层提取和筛选，因此深度学习具有表征学习（representation learning）能力 ，可以实现端到端的监督学习和非监督学习 。此外，深度学习也可参与构建强化学习（reinforcement learning）系统，形成深度强化学习 。
2019-07-20
Overview of Computer Vision methods(计算机视觉概述)
计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。
2019-06-28
TensorFlow实战Google深度学习框架(第2版).pdf
《TensorFlow：实战Google深度学习框架（第2版）》为TensorFlow入门参考书，旨在帮助读者以快速、有效的方式上手TensorFlow和深度学习。书中省略了烦琐的数学模型推导，从实际应用问题出发，通过具体的TensorFlow示例介绍如何使用深度学习解决实际问题。书中包含深度学习的入门知识和大量实践经验，是走进这个前沿、热门的人工智能领域的优选参考书。
2019-05-27
算法图解pdf版本
本书示例丰富，图文并茂，以让人容易理解的方式阐释了算法，旨在帮助程序员在日常项目中更好地发挥算法的能量。书中的前三章将帮助你打下基础，带你学习二分查找、大O表示法、两种基本的数据结构以及递归等。余下的篇幅将主要介绍应用广泛的算法，具体内容包括：面对具体问题时的解决技巧，比如，何时采用贪婪算法或动态规划；散列表的应用；图算法；K最近邻算法
2019-05-27
深度学习入门之PyTorch
《深度学习入门之PyTorch》深度学习如今已经成为科技领域最炙手可热的技术，在《深度学习入门之PyTorch》中，我们将帮助你入门深度学习。《深度学习入门之PyTorch》将从机器学习和深度学习的基础理论入手，从零开始学习 PyTorch，了解 PyTorch 基础，以及如何用 PyTorch 框架搭建模型。通过阅读《深度学习入门之PyTorch》，你将学到机器学习中的线性回归和 Logistic 回归、深度学习的优化方法、多层全连接神经网络、卷积神经网络、循环神经网络，以及生成对抗网络，最后通过实战了解深度学习前沿的研究成果，以及 PyTorch 在实际项目中的应用。《深度学习入门之PyTorch》将理论和代码相结合，帮助读者更好地入门深度学习，适合任何对深度学习感兴趣的人阅读。
2019-05-25
神经网络与深度学习
邱老师昨天就在知乎发布了这本书：「整本书终于写完了，虽然还有很多不足。但先告一段落，不然就得无限期拖延下去。感谢众多热心网友的意见和建议。全书的内容可以从这里（https://nndl.github.io/）下载。个人能力有限，书中难免有不当和错误之处，还望读者海涵和指正，不胜感激。」
2019-04-17
《解析卷积神经网络—深度学习实践手册》
人工智能，一个令人熟悉但却始终倍感陌生的词汇。让人熟悉的是科幻作家艾
萨克·阿西莫夫笔下的《机械公敌》和《机器管家》，令人陌生的却是到底如何
让现有的机器人咿呀学语邯郸学步；让人熟悉的是计算机科学与人工智能之父
图灵设想的“图灵测试”，令人陌生的却是如何使如此的高级智能在现实生活中
不再子虚乌有；让人熟悉的是
2019-04-07
Hands-On Reinforcement Learning(Python 强化学习实用指南)附 pdf 与完整代码
强化学习（RL）是人工智能的一个发展趋势和最有前途的分支。用 Python 进行强化学习不仅可以帮助掌握基本的强化学习算法，而且可以帮助掌握高级的深层强化学习算法。
2019-03-12
《Python3：从零入门机器学习》Python3 from none to machine learning
《Python3：从零入门机器学习》Python3 from none to machine learning
2019-03-01
An Introduction to Deep Reinforcement Learning
度强化学习已经为围棋、视频游戏和机器人等领域带来了变革式的发展，成为了人工智能领域的一大主流研究方向。近日，麦吉尔大学、谷歌大脑和 Facebook 的多位研究者在 arXiv 发布了 140 页的《深度强化学习入门》文稿，对深度强化学习的当前发展和未来趋势进行了系统性的总结和介绍。本书由伯克利知名机器学习专家 Michael Jordan 教授主编。
2019-02-15
Python深度学习
本书由 Keras 之父、现任 Google 人工智能研究员的弗朗索瓦 • 肖莱(François Chollet)执笔，详尽介 绍了用 Python 和 Keras 进行深度学习的探索实践，涉及计算机视觉、自然语言处理、生成式模型等应用
2019-01-20
Interpretable Machine Learning(可解释机器学习)
Christoph Molnar在其新书中呼吁大家当前是时候停止将机器学习模型视为黑盒子，在学会运用模型的同时更应去学会分析模型如何做出决策，并给出了将黑盒变得具有可解释性的讨论。
2019-01-17
深度强化学习进展_从AlphaGo到AlphaGo+Zero
2016年初, AlphaGo战胜李世石成为人工智能的里程碑事件. 其核心技术深度强化学习受到人们的广泛关注和研究, 取得了丰硕的理论和应用成果.
2019-01-12
英文(Neural Networks and Deep Learning)神经网络和深度学习
Artificial neural networks are popular machine learning techniques that simulate the mechanism
of learning in biological organisms. The human nervous system contains cells, which
are referred to as neurons. The neurons are connected to one another with the use of axons
and dendrites, and the connecting regions between axons and dendrites are referred to
as synapses. These connections are illustrated in Figure 1.1(a). The strengths of synaptic
connections often change in response to external stimuli. This change is how learning takesplace in living organisms.
2019-01-08
(100页的机器学习)THE HUNDRED-PAGE MACHINE LEARNING BOOK byAndriy Burkov's
近期加拿大拉瓦尔大学的人工智能博士Andriy Burkov公开了一本他自己写的短小精悍版机器学习书籍
2019-01-05
图解机器学习
本书用丰富的图示，从最小二乘法出发，对基于最小二乘法实现的各种机器学习算法进行了详细的介绍。第Ⅰ部分介绍了机器学习领域的概况；第Ⅱ部分和第Ⅲ部分分别介绍了各种有监督的回归算法和分类算法；第Ⅳ部分介绍了各种无监督学习算法；第Ⅴ部分介绍了机器学习领域中的新兴算法。书中大部分算法都有相应的MATLAB程序源代码，可以用来进行简单的测试。
2019-01-05
Introduction to Applied Linear Algebra(应用线性代数概论)英文
这本书旨在提供向量，矩阵和最小二乘方法的介绍，应用线性代数的基本主题。我们的目标是让很少或根本不接触线性代数的初中生在基本思想上有很好的基础，并欣赏它们在许多应用中的应用，包括数据录入、机器学习和人工智能、层析成像、导航、图像处理、南斯和自动控制系统。
2018-11-01
Mathematics for Machine Learning(机器学习中的数学英文)
Mathematics for Machine Learning关于我们在学习《机器学习》中的一些数学的原理
2018-10-08
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人