自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+

AI架构师易筋

Life is a game, so level up!

  • 博客(22)
  • 资源 (10)
  • 收藏
  • 关注

原创 机器学习- 吴恩达Andrew Ng - week3-4 solve overfitting

Coursera课程地址因为Coursera的课程还有考试和论坛,后续的笔记是基于Courserahttps://www.coursera.org/learn/machine-learning/home/welcomeSolving the Problem of overfitting1. The Problem of overfitting 过拟合 - RegressionLinear regression 线性回归问题,解法的问题分类:underfit, High bias 不够准确J

2021-05-30 11:25:41 216

原创 机器学习- 吴恩达Andrew Ng - week3-3 Multiclass Classification

Coursera课程地址因为Coursera的课程还有考试和论坛,后续的笔记是基于Courserahttps://www.coursera.org/learn/machine-learning/home/welcomeMulticlass Classification1. Multi-class classification: One-vs-all 多种类别分类 - Logistic Regression多种类别分类的例子:邮件类型分类:工作,朋友,家庭,爱好医疗诊断:没病,感冒,流感天气

2021-05-29 16:34:22 196

原创 机器学习- 吴恩达Andrew Ng - week3-2 Logistic Regression Model

Coursera课程地址因为Coursera的课程还有考试和论坛,后续的笔记是基于Coursera (2021-05-22)https://www.coursera.org/learn/machine-learning/home/welcomeClassification and Representation1. Cost Function 能耗方程 - Logistic Regression能耗方程如何选择θ分类的能耗方程如果根据线性方程来计算,就会导致没有最低点(non-convex).

2021-05-29 15:43:43 223 2

原创 翻译:Google研究:回顾2020年并展望2021年 - Jeff Dean

2021年1月12日,星期二Google Research and Health高级研究员兼高级副总裁Jeff Dean代表整个Google Research社区发布当我20年前加入Google时,我们只是在思考如何真正开始使用许多奇怪的有线计算机为网络上的信息提供高质量和全面的搜索服务的旅程。快进到今天,尽管我们面临着各种各样的技术挑战,但组织世界信息并使其普遍可访问和有用仍然是我们的首要目标。到2020年,随着COVID-19改变了世界,我们看到了研发技术可以帮助数十亿人更好地交流,了解世界并完成工

2021-05-28 13:30:16 869

原创 机器学习- 吴恩达Andrew Ng - week3-1 Classification

Coursera课程地址因为Coursera的课程还有考试和论坛,后续的笔记是基于Coursera (2021-05-22)https://www.coursera.org/learn/machine-learning/home/welcomeClassification and Representation1. Classification - Logistic Regression 分类 逻辑回归分类问题:邮件:垃圾邮件 / 非垃圾邮件在线交易:欺骗性的 (Yes/No)肿块:恶性的

2021-05-27 13:21:06 269 2

原创 翻译:如何理解梯度下降算法Gradient Descent algorithm

在数据科学中,梯度下降Gradient Descent algorithm是重要且困难的概念之一。在这里,我们以非常简单的方式通过一个示例来解释这个概念。看一下这个。贾纳维·马哈坦(Jahnavi Mahanta)。当我第一次开始学习机器学习算法时,要弄清算法的作用是一项艰巨的任务。不仅因为很难理解所有的数学理论和符号,而且还很无聊。当我转向在线教程寻求答案时,我只能再次看到方程式或高级解释,而在大多数情况下都无需进行详细介绍。那时,我的一位数据科学同事向我介绍了在Excel工作表中制定算法的概念。

2021-05-24 13:22:36 2652 2

原创 机器学习 Machine Learning- 吴恩达Andrew Ng Week2-Octave

Coursera、YouTube课程地址因为Coursera的课程还有考试和论坛,后续的笔记是基于Coursera (2021-05-22)https://www.coursera.org/learn/machine-learning/home/welcomehttps://www.youtube.com/playlist?list=PLOXON7BTL9IW7Ggbc09jLqGmzkwPI4-3V截止2021-5-3, 有112 个视频1. 第26课 working on and submi

2021-05-22 17:24:52 457 2

原创 翻译:谁将在AI中赚钱?by Simon Greenman

我们正处在人工智能的淘金热中。但是谁将获得经济利益呢?大量都在淘金的创业公司?拥有大量金矿开采业务的企业?谁在提供镐和铲子的技术巨头?哪个国家的黄金接缝最丰富?欢迎来到AI淘金热!我们目前遇到的另一个黄金RUSh的AI。数十亿美元投资于各个可想象的行业和业务功能的AI初创公司。谷歌,亚马逊,微软和IBM在2016年进行了重量级的争夺战,在人工智能方面投资超过200亿美元。各公司正争先恐后地确保自己在竞争对手面前领先于人工智能,同时又对初创企业有所顾忌。中国在人工智能方面投入了巨大的精力,而欧盟则在谈论一

2021-05-21 23:18:12 386

原创 翻译:吴恩达开启我在AI工作中的新篇章

人工智能是新的力量就像电在大约100年前改变了许多行业一样,人工智能现在也将改变几乎每个主要行业-医疗保健,运输,娱乐,制造业-丰富了无数人的生活。我比以往任何时候都对AI可以带给我们更多的兴奋。作为Google Brain项目的创始负责人,以及最近在百度的工作,我在将两家领先的技术公司转变为“人工智能公司”中发挥了作用。但是,人工智能的潜力远大于它对技术公司的影响。我将继续致力于这一重要的社会变革。除了使大公司转变为使用AI之外,还有丰富的创业机会和进一步的AI研究机会。我希望我们所有人都有自动驾

2021-05-21 22:55:49 159

原创 产品经理资源汇总 从入门到精通 10多年经验毫无保留分享

本文为笔者参加产品经理训练营的听课笔记汇总:讲师:邱岳(二爷)听课总结产品经理训练营:让正确的事情相继发生 开营直播极客大学产品经理训练营 产品经理新人如何落地 第0课总结极客大学产品经理训练营 认识产品经理上 第1课总结极客大学产品经理训练营 认识产品经理下 第2课总结极客大学产品经理训练营 产品思维和产品意识(上) 第3课总结极客大学产品经理训练营 产品思维和产品意识(中) 第4课总结极客大学产品经理训练营 产品思维和产品意识(下) 第5课总结极客大学产品经理训练营 解决方案的设计

2021-05-21 22:42:35 1289

原创 算法:322. Coin Change找零钱

322. Coin ChangeYou are given an integer array coins representing coins of different denominations and an integer amount representing a total amount of money.Return the fewest number of coins that you need to make up that amount. If that amount of money

2021-05-16 22:50:26 379

原创 机器学习 Machine Learning- 吴恩达Andrew Ng 第21~25课总结

YouTube课程地址https://www.youtube.com/playlist?list=PLOXON7BTL9IW7Ggbc09jLqGmzkwPI4-3V截止2021-5-3, 有112 个视频1. 第21课 Gradient descent in practice I - Linear regression with multiple variables如果变量的系数比较大,那么收敛比较慢,比如例子中的房子大小范围2000,房间数范围5. 图形显示的是比较扁长的椭圆。如果系数转换

2021-05-14 13:20:06 251

原创 机器学习 Machine Learning- 吴恩达Andrew Ng 第16~20课总结

YouTube课程地址https://www.youtube.com/playlist?list=PLOXON7BTL9IW7Ggbc09jLqGmzkwPI4-3V截止2021-5-3, 有112 个视频1. 第16课 Matrix-matrix multiplication, Linear regression with one variable矩阵相乘,可以等价于左边矩阵逐个乘以右边矩阵的列向量。矩阵相乘公式演示:矩阵相乘,可以等价于左边矩阵逐个乘以右边矩阵的列向量。矩阵相乘的应用例

2021-05-11 20:28:44 243

原创 算法:127. Word Ladder单词阶梯查找

127. Word LadderA transformation sequence from word beginWord to word endWord using a dictionary wordList is a sequence of words beginWord -> s1 -> s2 -> … -> sk such that:Every adjacent pair of words differs by a single letter.Every si for

2021-05-10 13:39:07 243

原创 翻译: Octave 入门教程

说明吴恩达老师的课程介绍Octave处理矩阵,几何图形,过滤出独立音频只要用一句代码搞定,所以也过来入门。下载下载地址: https://github.com/octave-app/octave-app/releases下载并安装更多种安装方式请参考https://wiki.octave.org/Octave_for_macOS学习资源https://wiki.octave.org/Category:Resourceshttps://wiki.octave.org/Publication

2021-05-09 23:04:26 615

原创 python3 读取文件夹的文件标题,提取小数,并计算数字和

笔者想通过程序的方式,计算文件夹里面文件名的金额的和。思路如下:读取文件夹下面的文件名;挨个替换掉没用的字符串,比如前缀,文件后缀名等;转换字符串为float,然后累加即可程序实现如下:import globnameArray = glob.glob("/Users/.../2021/*.*")res = 0for x in nameArray: x = x.replace("/Users/.../2021/", "").replace(".pdf", "") res

2021-05-09 18:22:47 459

原创 机器学习 Machine Learning- 吴恩达Andrew Ng 第11~15课总结

YouTube课程地址https://www.youtube.com/playlist?list=PLOXON7BTL9IW7Ggbc09jLqGmzkwPI4-3V截止2021-5-3, 有112 个视频1. 第11课 Gradient descent intuition, Linear regression with one variableGradient descent intuition 阶梯下降算法介绍:a 表示 learning rate, 学习下降的速度右边的函数 deriv

2021-05-08 18:15:06 218

原创 机器学习 Machine Learning- 吴恩达Andrew Ng 第6~10课总结

YouTube课程地址https://www.youtube.com/playlist?list=PLOXON7BTL9IW7Ggbc09jLqGmzkwPI4-3V截止2021-5-3, 有112 个视频1. 第6课 Model Representation, Linear regression with one variable例子:预测房价,根据房子大小预测要卖1250 feet^2 大小的房子,价格大概是220k。因为是线性回归问题,可以用Supervised Learning 监督学习

2021-05-06 09:28:06 210

原创 产品经理训练营:让正确的事情相继发生 开营直播

让正确的事情相继发生不要离开互联网环境,比如微软10多年很长的时间,都没抓住互联网的红利,不过微软一直在调整,2020年市值又在前3名。当困难当做【题目】,找解法,并在其中找到乐趣。说【做不到】的时候,把主语换成我,然后想一想,如果换成TA呢?Make things > make things happen☞ 创造 --> 营造 // 干活 --> 搅局 // 成事 --> 成势 // 实现 --> 涌现 // 做菜 --> 点菜 // 做 --&g

2021-05-03 23:08:09 437

原创 算法:212. Word Search II单词搜索II

212. Word Search IIGiven an m x n board of characters and a list of strings words, return all words on the board.Each word must be constructed from letters of sequentially adjacent cells, where adjacent cells are horizontally or vertically neighboring. T

2021-05-03 22:40:05 215

原创 swift5 decimal 转换为String 并制定小数点位数

decimal 转换为String 并制定小数点位数。首先转为double或者float,再用String(format: "%.3f", doubleValue) 即可let decimalValue: Decimal = 3.14159let doubleValue = Double(truncating: decimalValue as NSNumber)print(String(format: "%.3f", doubleValue))print(String(format: "%.4f",

2021-05-03 22:13:01 3747

原创 机器学习 Machine Learning- 吴恩达Andrew Ng 第1~5课总结

YouTube课程地址https://www.youtube.com/playlist?list=PLOXON7BTL9IW7Ggbc09jLqGmzkwPI4-3V截止2021-5-3, 有112 个视频1. 第一课:Machine Learning 的作用AI工作机会缺口一直很大计算机新的技能数据挖掘:google、Facebook等点击手机数据,医疗记录,生物智能基因检测,程序员技能。硬件不可能自己写程序实现功能,所以要依赖于AI。比如无人机的自我调节方向,文字自动识别,扫描翻译,自

2021-05-03 22:08:21 739 8

注意力 > 时间 > 金钱 用于谋生的知识,学生主要工作是学习,成年人的工作是养家糊口, 这是基本的要求,在这之上,才能有

注意力 > 时间 > 金钱 用于谋生的知识,学生主要工作是学习,成年人的工作是养家糊口, 这是基本的要求,在这之上,才能有更高的追求。 不要短期期望过高,长期期望过低。 1024内随便猜一个数字,10个问答可以找到答案 1024 / 2 = 512 1 2 3 4 5 6 7 8 9 512 256 128 64 96 80 88 86 1024 = 2 ^ 10 所以如何提升成绩名次,可以用每次少一半的逻辑上升, 因为从80分到90分比较容易,从95到98分就比较难。 61 = 30 > 15 > 7 > 3 > 2 > 1 1500 = 750 > 350 > 175 > 86 > 43 > 22 > 11 > 5 > 3 > 2 > 1 从一开始就要习惯于避开“短期思考”。 在我看来,所有不能改变行为的概念和知识,基本等同于无用

2023-10-04

注意力 > 时间 > 金钱 用于谋生的知识,学生主要工作是学习,成年人的工作是养家糊口, 这是基本

注意力 > 时间 > 金钱 分享 2023-10-1 用于谋生的知识,学生主要工作是学习,成年人的工作是养家糊口, 这是基本的要求,在这之上,才能有更高的追求。 不要短期期望过高,长期期望过低。 1024内随便猜一个数字,10个问答可以找到答案 1024 / 2 = 512 1 2 3 4 5 6 7 8 9 512 256 128 64 96 80 88 86 1024 = 2 ^ 10 所以如何提升成绩名次,可以用每次少一半的逻辑上升, 因为从80分到90分比较容易,从95到98分就比较难。 61 = 30 > 15 > 7 > 3 > 2 > 1 1500 = 750 > 350 > 175 > 86 > 43 > 22 > 11 > 5 > 3 > 2 > 1 从一开始就要习惯于避开“短期思考”。 在我看来,所有不能改变行为的概念和知识,基本等同于无用

2023-10-04

自动驾驶级别定义J3016_202104.pdf

自动驾驶级别定义J3016_202104.pdf

2021-10-13

编码技巧进阶,五级工程师,美国工程院院士杰夫迪恩

编码技巧进阶,五级工程师,美国工程院院士杰夫迪恩

2021-05-03

Amazon Neptune Workshop-Fundamental-V1.0.pdf

什么是图数据库 Amazon Neptune 是一项快速、可靠且完全托管的图数据库服务,可帮助您轻松 构建和运行使用高度互连数据集的应用程序。Amazon Neptune 的核心是专门构建的高 性能图数据库引擎,它进行了优化以存储数十亿个关系并将图形查询延迟降低到毫秒 级。 Amazon Neptune 支持常见的图形模型 Property Graph 和 W3C 的 RDF 及其关 联的查询语言 Apache TinkerPop Gremlin 和 SPARQL,从而使您能够轻松构建查询以有 效地导航高度互连数据集。Neptune 支持图形使用案例,如建议引擎、欺诈检测、知 识图谱、

2020-10-31

利用 Auto Scaling 实现 弹性高可用.pdf

本实验将逐步指导您使用 Elastic Load Balancing(ELB)和 Auto Scaling 服务对基础设施进行负载均衡 和自动扩展。 涵盖的主题 本实验室课程将演示: • 创建负载均衡器(Elastic Load Balancer)。 • 创建启动配置和 Auto Scaling 组。 • 自动扩展私有子网内的新实例 • 创建 Amazon CloudWatch 警报并监控基础设施的性能。 什么是 Elastic Load Balancer (ELB)与 Auto Scaling? Elastic Load Balancer 介绍 Elastic Load Balancer 在

2020-10-20

架构师图谱-大作业二.png

极客大学架构师训练营毕业设计完成,笔者把所有文章汇集如下: 架构师资源汇总 从入门到精通 文章汇总 https://blog.csdn.net/zgpeace/article/details/108118664 笔者对课程的脑图归纳

2020-09-17

给初中生分享社会需要的人才.pptx

给初中生分享社会需要的人才 幸福的家庭都是相似的, 不幸的家庭各有各的不幸。 优秀的学生都是相似的, 差的学生各有各的问题。 幸福的家庭、优秀的学生都是拆解大问题为小问题,逐个克服的高手。 遇到问题,并想方设法解决问题。

2020-09-16

价值过亿的架构师训练营课面试题和答案.pptx

价值过亿的架构师训练营课面试题和答案.pptx 架构师职责 听课总结 – 第一课 架构视图,设计文档 – 第二课 编程的本质与未来 第三课 听课总结 框架设计、设计原则、设计模式 第四课 听课总结 框架开发 设计原则 设计模式 反应式编程框架 上课总结 第五课 框架开发 模式与重构 JUnit、Spring、Hive核心源码解析 第6课 听课总结 系统架构 高并发 高可用 垂直伸缩 水平伸缩 第7课 听课总结 系统架构 大型网站技术架构 维基百科、淘宝、新浪微博案例分析 第8课 听课总结 系统架构 分布式缓存 一致性哈希 Hash 第9课 听课总结 系统架构 消息队列 负载均衡 数据库备份 第

2020-09-10

ImageAlpha.zip

通过应用有损压缩和转换为更高效的PNG8 + alpha格式,mageAlpha大大减少了24位PNG文件的文件大小(包括alpha透明度)。这些图像与iOS,所有浏览器兼容,甚至在IE6中降级。 ImageAlpha – 图片压缩利器。通过使用最新的pngquant和pngnq-s9以及Alpha通道感知后处理器,ImageAlpha可以在MacromediaAdobe Fireworks中获得比类似功能更好的质量。

2020-05-03

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除