- 博客(10)
- 资源 (89)
- 收藏
- 关注
RSS订阅原创 Just do IT
A man can succeed at almost anything for which he was unlimited enthusiasm 无限的激情是任何成功的基石 工欲善其事必先利器：提高自己的途径和站在巨人的肩上办法：massive Open Online course1.国际常用：coursera 、edx 、Udacity、比较稳定。其他的例如Futurelearning
2016-10-30 10:09:44
548
原创 机器学习中一些比较优秀的网站和阅读资料网站
http://ml.memect.com http://forum.memect.com/blog/thread/ml-2016-10-28/#4035637642781124http://blog.pluskid.org/?p=407https://www.kaggle.com/aaron7sun/stocknewshttps://yq.aliyun.com/articles/60601 【资源
2016-10-29 19:14:04
884
转载 机器学习免费课程 Top 10
机器学习https://www.coursera.org/learn/machine-learning#授课：Andrew Ng制作：斯坦福大学开课时间：10月31日这是本列表中最受欢迎的课程。该课程将广泛介绍机器学习、数据挖掘和统计模式识别。相关主题包括：•监督式学习（参数和非参数算法、支持向量机、核函数和神经网络）。•无监督学习（集群、降维、推荐系统和深度学习）。•机器学习实例（偏见/方差理论；
2016-10-29 18:11:21
2514
原创 latex写作过程
http://meta.math.stackexchange.com/questions/5020/mathjax-basic-tutorial-and-quick-referencelatex论文编辑网站 https://www.overleaf.com/ https://www.sharelatex.com/ ...
2016-10-28 08:59:33
305
转载 优秀的自学机器学习课程
Andrew Ng教授的《机器学习》公开课视频（30集） http://openclassroom.stanford.edu/MainFolder/CoursePage.php?course=MachineLearning Andrew Ng教授的Deep Learning维基，有中文翻译 http://deeplearning.stanford.edu/wiki/index.php/UFL
2016-10-27 22:24:32
697
转载 机器学习中的一些测试库
计算机视觉数据集 WallFlower dataset: 用于评价背景建模算法的好坏. Ground-truth foreground provided. Foreground/Background segmentation and Stereo dataset: from Microsoft Cambridge. VISOR: Video Surveillance Online Repo
2016-10-25 18:17:10
543
翻译 Discover Feature Engineering, How to Engineer Features and How to Get Good at It
特征工程是一个非正式的话题，但是绝对知道并同意是应用机器学习成功的关键。在创造这本指南，我走得很宽，深，并合成了所有的材料，我可以。你会发现什么特征工程，它解决了什么问题，为什么它重要，如何工程师的功能，谁做得很好，在哪里你可以去了解更多，擅长它。如果你阅读一篇关于特征工程的文章，我想要它是这一个。特征工程是另一个话题，似乎不值得任何审查论文或书籍，甚至书中的章节，但它是ML成功绝对至关重要。 […
2016-10-18 17:46:40
889
翻译 表征学习
Feature learning 在机器学习中，特征学习或表征学习[1]是学习一个特征的技术的集合：将原始数据转换成为能够被机器学习来有效开发的一种形式。它避免了手动提取特征的麻烦，允许计算机学习使用特征的同时，也学习如何提取特征：学习如何学习。 机器学习任务，例如分类问题，通常都要求输入在数学上或者在计算上都非常便于处理，在这样的前提下，特征学习就应运而生了。然而
2016-10-18 17:37:43
7447
翻译 隐含狄利克雷分布
隐含狄利克雷分布简称LDA(Latent Dirichlet allocation)，是一种主题模型，它可以将文档集中每篇文档的主题按照概率分布的形式给出。同时它是一种无监督学习算法，在训练时不需要手工标注的训练集，需要的仅仅是文档集以及指定主题的数量k即可。此外LDA的另一个优点则是，对于每一个主题均可找出一些词语来描述它。LDA首先由Blei, David M.、吴恩达和Jordan,
2016-10-18 11:50:11
3780
Miniforge-pypy3-Linux-aarch64.sh
2020-07-20
exchange.7z
2020-05-21
gcc-10.1.0 .tar.gz
2020-05-19
深度学习matlab代码
2017-10-10
Deep Learning in Radiology: Recent Advances, Challenges and Future Trends
2017-07-06
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人