- 博客(37)
- 收藏
- 关注
转载 今日起,白嫖阿里云服务器,1年!
源/顶级程序员 文/大家好,我是南渡。上周末和阿里云的死党恰了个饭,说是6月要搞一波大事情,有个福利可以给我号里的粉丝争取一下,饭罢赶紧回家,码字给我的读者搞一波福利:...
2021-06-01 18:12:42
1840
转载 关于BERT,面试官会怎么问?
面试锦囊之知识整理系列,持续更新中1.BERT 的基本原理是什么?BERT 来自 Google 的论文Pre-training of Deep Bidirectional Transfo...
2020-05-20 08:12:00
485
1
转载 关于SVM,面试官会怎么问?
公式较多,希望大家耐心慢慢理清楚写在前面持续准备面试中。。。准备的过程中,慢慢发现,如果死记硬背的话很难,可当推导一遍并且细细研究里面的缘由的话,面试起来应该什么都不怕,问什么问题都可...
2020-05-19 19:13:21
374
转载 2020年招聘算法岗,面试官最看重哪些新技术能力?
【导读】合格的算法工程师真正应该具备什么技能?在面试时,面试官又会如何验证你具备这些新技能?毕业仅一年,相继拿下头条、阿里、腾讯等offer的本文作者,为你绘制了一幅面试技能雷达图。1◆...
2020-05-06 18:18:00
641
转载 研发工程师如何转型算法岗?
公开课:研发工程师如何转型算法岗?时间:5月9日晚8点 主要内容:自己适合做算法吗?工程方向如何转算法方向如何准备算法面试?主讲人:许敏敏算法工程师 cs硕士毕业现就职一线互联...
2020-04-30 17:58:00
44
转载 今年的推荐算法岗,面试官最看重哪些能力?
小象学院2020年第3场免费公开课!《非CS专业如何求职算法工程师?》内容纲要:非CS专业如何求职算法工程师?自己适合做算法吗?做算法需要学习什么?面试和工作经历谈主讲人:杨帆算法工程师...
2020-04-29 18:28:00
315
转载 我的亲身经历:非CS专业如何求职算法工程师?
小象学院2020年第3场免费公开课!《非CS专业如何求职算法工程师?》内容纲要:非CS专业如何求职算法工程师?自己适合做算法吗?做算法需要学习什么?面试和工作经历谈主讲人:杨帆算法工程师...
2020-04-26 17:30:00
393
转载 机器学习免费跑分神器:集成各大数据集,连接GitHub就能用,还能验证论文结果
本文经AI新媒体量子位(公众号 ID: QbitAI)授权转载,转载请联系出处搞机器学习的小伙伴们,免不了要在各种数据集上,给AI模型跑分。现在,Papers with ...
2019-11-25 14:04:13
362
转载 过去10年NIPS顶会强化学习论文(100多篇)汇总(2008-2019年)
来源:nips.cc自从数年前深度学习流行以来,NIPS 成为学术界、产业界重点关注的学术会议之一,参会人数从 5 年前的 2000 人一度飙升到 2018 年的 800...
2019-11-21 12:08:15
1340
转载 嘀嘀!机器学习之家专车送你进BAT(第1期送课程、送资料福利来啦!)
AI的浪潮滚滚来袭,以智慧和帅气迷倒万千少男少女的小编 的偶像——李开复老师 说:等等,这和我有什么关系呢?来看看这张图!这些技术 只要学一样,就牛逼了呀!想想还有点小激动就这么定了!2018年,一定要学好高大上的机器学习 和 深度学习再学个热门又好找工作的自然语言处理把BAT金光闪闪的offer和温柔美丽的前台和HR一并笑纳!那种“西二旗码农年薪五十万 却活得像年薪五万”的艰苦生活让我来!等等,
2018-02-02 00:00:00
509
原创 自然语言处理与机器学习技术博客、学习资料精选[附网盘地址]
自然语言处理与机器学习技术博客、学习资料精选!首先,恭喜点开了这篇文章的读者,本文所提供的资料是免费的,小编不卖资料,是赠送资料!今天咱们的学习社区里有学员提出要推荐一些NLP方面的博客、站点,因此小编整理了一下。顺便赠送一些NLP方面的网盘资料。 自然语言处理与机器学习相关博客和站点精选1、技术博客——腾讯的广告工程师团队维护http://www.flickering.cn/ 2、技术博客——美
2018-01-05 00:00:00
3929
2
转载 Google的沙龙,约不约?
Google物联网创新沙龙邀请你了!今天,小编受合作伙伴——google中国孵化器(北京引力空间)委托,给长期支持我们的好朋友们,发布一则福利:Google物联网创新沙龙开始接受报名了!先到先得哟。“If you can build an app, you can build a device. ” 打造一款物联网智能设备就像开发一款 APP 一样简单? 使用 Google 的 Android
2018-01-04 00:00:00
528
转载 机器学习 | 三:似然函数例子解析
似然函数似然函数是一种关于统计模型中的参数的函数,表示模型参数中的似然性。给定输出 x 时,关于参数 θ 的似然函数 L(θ|x),在数值上它等于给定参数 θ 后变量 X 的概率:这个是非常重要的!举个例子,我们抛掷一枚硬币,这枚硬币不是理论上的一半一半的出现概率,而是动了手脚的,出现正面的概率是0.2,现在我们预测一下抛掷10次,出现正面的次数是多少,如果用 X 表示出现正面的次数,那么P(X)
2017-12-27 00:00:00
2131
转载 公开课 | 机器学习基石08 Noise and Error
前面几篇通过引入 VC 理论证明了机器学习的可行性。讨论的数据都是无噪音的,但实际数据,噪音往往不可避免。 本篇是承上启下的一篇,连接了理论部分和后续具体的机器学习演算法,容易被忽略,个人觉得是非常重要的一篇。介绍了 noise 和 error 两个核心概念。讲解即便 noise 存在的情况下,绝大部分 H 和 err,VC 理论同样适用。1我理解的 VC 理论先回顾在没有 Noise 情形下的机
2017-12-27 00:00:00
523
转载 机器学习 | 二:高斯分布
今日话题 讲解了独立同分布的概念,高斯分布,一维高斯分布。01-独立同分布 指随机过程中,任何时刻的取值都为随机变量,如果这些随机变量服从同一分布,并且互相独立,那么这些随机变量是独立同分布。先说说独立这个概念。在预测德克萨斯州区域的房屋价值时,房屋样本x1和样本x2之间的预测是相互独立的,它们之间不存在任何关系,这也是接近实际的。同分布是指预测的房屋都是来自于德克萨斯州这块区域的,
2017-12-26 00:00:00
1487
转载 机器学习 | 一:协方差和相关系数
今日话题 为了深刻理解机器学习算法的原理,首先得掌握其中涉及到的一些基本概念和理论,比如概率,期望,标准差,方差。在这些基本概念上,又衍生出了很多重要概念,比如协方差,相关系数等。今天我们就来聊聊这些组成机器学习的基本概念。01概率 概率 P 是对随机事件发生的可能性的度量。例如,小明在期末考试前,统计了下自己在今年的数学考试成绩,结果显示得到80分以下的次数为2次,得80分~
2017-12-25 00:00:00
1546
转载 公开课 | 机器学习基石05 Training versus Testing
1统计机器学习流程图统计机器学习流程图在学习统计机器学习流程图(Learning Flow)过程中,涉及到两个核心问题:1. Eout(g) 是否能够和 Ein(g) 足...
2017-12-22 17:53:02
309
转载 小知识 | 机器学习:不得不知的概念(3)
归纳偏好归纳偏好(inductive bias),机器学习算法在学习过程中对某种类型假设的偏好。任何一个有效的机器学习算法必有其归纳偏好,否则它将被假设空间中看似在训练集上等效的假设所迷惑,而无法生成确定的学习结果,这也是机器学习中非常重要的概念,举例说明。归纳偏好例子如果我们在购买某个股票时假定根据两个主要特征:股票经纪公司等级和股票最近3个月的涨幅情况,进而判断是否购买某只股。假定股票经纪公司
2017-12-22 00:00:00
349
转载 小知识 | 机器学习:不得不知的概念(2)
本文通过一个例子说明什么是机器学习的泛化能力,理解它有助于你了解机器学习为什么要解决过拟合问题。泛化能力泛化能力(generalization),学得的模型适用于新样本的能力,是非常重要的能力。举个例子来说明什么是泛化能力。就在我们上学那回,小明爱动脑筋,老师讲的题目不光会做,还能举一反三;小红学习很努力,上课认真听讲,老师布置的作业完成的非常好,但是这仅限于老师讲过的知识范畴内,因为小红不喜欢动
2017-12-21 00:00:00
503
转载 公开课 | 机器学习基石03 Types of Learning
写在前面本篇从输出空间、数据标签、协议、输入空间四个角度介绍各式各样的机器学习方法。1按照输出空间(Output Space)分类按照Output Space可以分为:...
2017-12-20 17:57:47
256
转载 小知识 | 机器学习:不得不知的概念(1)
要想精确地入门机器学习,有一些概念,是我们得准确掌握的,这通常是第一步,走好这一步能为未来构建机器学习大厦打下坚实的地基,同时为你理解基于这些概念的理论和算法提供必不可少的帮助。 数据集(data set) 记录的集合,假如我们用3个特征,分别为色泽,根蒂,响声来描述西瓜的特点,并且拿到了基于这3个特征的10万条记录,其中一条记录的取值为:色泽=光亮,根蒂=坚硬,响声=清亮如果记录到.csv
2017-12-20 00:00:00
499
转载 干货 | 机器学习基石02 Learning to Answer Yes/No
感知器模型 Perceptron现实生活中,存在大量的"二分类问题",比如该不该给客户发信用卡。对于"二分类问题",最简单的模型就是"感知器模型"。01感知器模型features: X = (x1, x2, ..., xd)if ∑wixi > threshhold(Yes)if ∑wixi 02感知器模型的Hypothesis Seth(x) = sign( ∑wixi - threshhold
2017-12-19 00:00:00
473
转载 深度 | 为什么要有深度学习?
为什么要有深度学习?深度学习可以用更多的数据或是更好的算法来提高学习算法的结果。对于某些应用而言,深度学习在大数据集上的表现比其他机器学习(ML)方法都要好。性能表现方面,深度学习探索了神经网络的概率空间,与其他工具相比,深度学习算法更适合无监督和半监督学习,更适合强特征提取,也更适合于图像识别领域、文本识别领域、语音识别领域等。为什么深度学习会如此被热衷,因为它不以任何损失函数为特征,也不会被特
2017-12-18 00:00:00
5965
转载 入门 | 机器学习基石01 The Learning Problem
01什么是机器学习?首先对比人类学习,人类通过观察获得经验的积累(skill);机器学习是从数据(data)中学习获取技能。人类学习 vs. 机器学习这里所说的skill, 其实就是某一方面表现(performance measure)的增进。 那么何时考虑使用机器学习,通常需要满足以下三个前提:存在有待学习的隐含模式(underlying pattern)。该模式无法/难以通过程序实现(no p
2017-12-18 00:00:00
332
转载 干货 | 机器学习集成算法:XGBoost模型构造
1回顾上文介绍了XGBoost的基本思想,说到新加入进来的决策树必须能使原已有的更好才行吧,那么将XGBoost这个提升的过程如何用数学模型来表达呢?2XGBoost整体模型机器学习的有监督问题,通常可以分为两步走:模型建立(比如线性回归时选用线性模型),根据目标函数求出参数(比如球出线性回归的参数)。对于XGBoost,也是做有监督任务了,也可以按照这个过程去分析,它的模型表示为如下,k表示树的
2017-12-15 00:00:00
530
转载 连载 | 理解线性代数04 利用行列式求解 Ax = b
本篇引入行列式,通过行列式求解方程组 Ax = b。此外,介绍了行列式的几何意义。 学习这件事,不是缺乏时间,而是缺乏努力。行列式的引入行列式的定义行列式原始定义是由莱布尼兹引入的。下面从现代角度引入行列式。行列式 (Determinant) 是一个函数,将 n x n 的矩阵 A 映射到一个标量,记做 det(A) 或 |A|。下面尝试用最小的性质 (基本性质) 定义出矩阵
2017-12-15 00:00:00
2348
转载 实战 | 单词拼写纠正器python实现
1 如用户输入了 hella,纠正后发现的3个最有可能的输入如下:'want to input: hello', 'hell', 'fella'2 如用户输入了appropreate,纠正器纠正后:'want to input: appropriate'3 如用户输入了owesomes,纠正器纠正后:'want to input: awesome'4 如用户输入了grduallyare,纠正器纠正
2017-12-14 00:00:00
1938
1
转载 连载 | 理解线性代数03 Ax = b 无解情形
本篇首先 review 了矩阵的秩和子空间的概念。重点介绍了 Ax = b 无解的情形,较为自然地引入投影的概念,并从投影的角度去理解最小二乘法。 谁也不能随随便便成功,它来自彻底的自我管理和毅力。秩 rank为了后续讨论的方便,先深入理解矩阵的秩。之前提到过矩阵的秩 (rank)。将主元的个数,称为矩阵的秩(rank)(定义1)。现在从“向量空间”的角度深入理解矩阵的秩 (rank
2017-12-14 00:00:00
5351
转载 连载 | 理解线性代数02 求解 Ax = b
上篇通过线性方程组引入矩阵的概念,解决了当 A 是可逆矩阵时,可用高斯消元法求解线性方程组,并且给出解析解。本篇试图彻底解决 Ax = b 的解(A为一般矩阵时情形),并且引入了矩阵的四个基本子空间的概念。为了论证一下,你的数学是不是体育老师教的,让我们先回忆一下,什么是矩阵的秩,什么是矩阵的零空间引子:Ax = 0介绍 Ax = b 之前,作为特例,先介绍 Ax = 0。例: 很显然,依然
2017-12-13 00:00:00
2670
转载 深度 | 机器学习集成算法:XGBoost思想
随机森林是在决策树的基础上,放入许多棵决策树,并行的,独立的构造出每棵决策树,树与树之间没有关系,通过这种方式达到优化提升的目的。 随机森林算法,再加入第 k 棵树时,没有考虑前面的 k - 1 棵,只是随机的往森林里加一棵。与之相对的是,每次往森林里扔第 k 棵树的时候,要考虑前面的 k-1 棵树,并且加入这 k 棵树后,预测的效果必须要好才行,不好的话,就不能放入这 k 棵树,关
2017-12-13 00:00:00
468
转载 连载|复习线性代数:矩阵
各位童鞋,今天咱们来复习一下数学。数学对于机器学习的重要性,怎么强调都不为过,我以前的某个朋友为了转行做机器学习,天天在推公式。本文将从线性方程组出发,引入矩阵。不要急着说,“你别讲了,矩阵的一切我都懂!”。先问问自己,是否知道什么是增广矩阵,LU分解,奇异矩阵从线性方程组谈起矩阵的一个重要来源是线性方程组。先看一个简单的2元线性方程组。有两种方式看待线性方程组,即:“行图像”、“列图像”行图像。
2017-12-07 00:00:00
1723
1
转载 从今天起,拒绝再做机器学习困难户
点击上方蓝字可以订阅哦可能你的百度网盘里塞满了2个T的机器学习资料但是你仍然深感自己没法入门可能你会不甘心凭什么那几个以前学习成绩不怎么样也没你聪明的同学现在都混得比你好甚至让你无法企及可能你会愤懑这些年来,你一直很勤奋很拼命最终收获却寥寥?这时我们不得不去思考一个原以为无聊的人才会去思考的问题人和人之间的差距究竟是由什么带来的?答案或许有很多种但是,如果我回答你,是“环境”恐怕你无法否认你和什么
2017-11-20 00:00:00
416
转载 连载笔记| k-近邻算法实战笔记(上)
点击上方蓝字可以订阅哦 k-近邻算法实战笔记(上) 目前,机器学习的学习者众多,他们都异口同声地反映了同一个需求:“实战”。鉴于此,小编在此向大家推荐由 csdn博客专家Jack-Cui 撰写的《机器学习实战》系列笔记。今天,给大家分享该学习笔记的第一篇《K-近邻算法》(上)。《k-近邻算法》笔记内容概要 《k-近邻算法》笔
2017-10-26 00:00:00
368
转载 小实验|被切碎、打乱词序的句子还能够还原回来?是的,你没有听错
“句子重建”小实验小编昨晚被老婆的学英语听力的APP给吸引上了,其中有一个九空格的功能,就是听句子,把空格中的单词补上。琢磨着APP界面上空格和候选词之间的对应关系,小编突然脑洞大开。是否,我不听听力也能把这些候选词填上呢?人工来填空似乎是很费劲的,那么能不能用程序来填空呢?如果能办到,就说明被切碎、打乱词序的句子还能够还原回来!现场还原: 下图是可
2017-10-15 00:00:00
756
转载 【机器学习之家】历史文章整理
“机器学习之家”历史文章整理这个本公众号转眼间已经一年了,在这一年中,感谢各位看官的支持,小编才得以坚持到现在。今天把以前发的文章整理了一下,便于各位查找。如果看官认为本公众号对您有帮助,请帮忙转发到朋友圈,小编在此谢过!原创文章--学习路线系列机器学习简介与学习路线【国庆福利】《机器学习入门到BAT》斗鱼直播公开课视频回放NLP怎么入门,该学哪
2017-10-12 00:00:00
522
转载 机器学习简介与学习路线
机器学习简介与学习路线在小编的社群(微信群+QQ群)里,活跃着5000+的群友,小编和他们的交流已经超过了一年。在这个过程中,搜集了他们的很多高频的痛点,他们提出的有些问题虽然很让人啼笑皆非,但是却代表了很多同学的想法。比如,有的同学说,我要做的是机器学习,老大却要我做hadoop;有的同学说,群主,你拉我进的是机器学习群,但我要学深度学习;有的同学说,老师,你说的LR是线性回归吗
2017-10-10 00:00:00
352
原创 [资源下载]张宇老师讲授的数学视频(概率+高数+线代)
张宇老师讲授的三套数学视频最近发现有不少群友都在补数学的缺,原因是他们尝试学习机器学习的理论,却发现自己在微积分、概率统计、凸优化、线性代数方面的知识不够用,或者,准确地说,是——以前学的都还给数学老师了怎么破?通过群友的推荐,发现张宇老师的授课视频口碑不错,因此推送分享给大家。本文是一个资源分享帖,但是并未经张宇老师授权,这里分享的资料仅限于学习交流使用,不得用于商业目的
2017-09-07 00:00:00
9815
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人