神经网络-全连接层（1）
接下来聊一聊现在大热的神经网络。最近这几年深度学习发展十分迅速，感觉已经占据了整个机器学习的半壁江山。各大会议也是被深度学习占据，引领了一波潮流。深度学习中目前最火热的两大类是卷积神经网络（CNN）和递归神经网络（RNN），就从这两个模型开始聊起。 当然，这两个模型所涉及到概念
机器学习进阶笔记
机器学习进阶笔记 机器学习进阶笔记之一 | TensorFlow安装与入门 机器学习进阶笔记之二 | 深入理解Neural Style 机器学习进阶笔记之三 | 深入理解Alexnet 机器学习进阶笔记之四 | 深入理解GoogLeNet 机器学习进阶笔记之五 | 深入理解VGG\Residual Network 机器学习进阶笔记之六
机器学习进阶笔记之六 | 深入理解Fast Neural Style
引言 TensorFlow是Google基于DistBelief进行研发的第二代赢咖4学习系统，被广泛用于语音识别或图像识别等多项机器深度学习领域。其命名来源于本身的运行原理。Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，TensorFlow代表着张量从图象的一端流动到另一端计算过程，
机器学习进阶笔记之五 | 深入理解VGG\Residual Network
引言 TensorFlow是Google基于DistBelief进行研发的第二代赢咖4学习系统，被广泛用于语音识别或图像识别等多项机器深度学习领域。其命名来源于本身的运行原理。Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，TensorFlow代表着张量从图象的一端流动到另一端计算过程，
机器学习进阶笔记之四 | 深入理解GoogLeNet
引言 TensorFlow是Google基于DistBelief进行研发的第二代赢咖4学习系统，被广泛用于语音识别或图像识别等多项机器深度学习领域。其命名来源于本身的运行原理。Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，TensorFlow代表着张量从图象的一端流动到另一端计算过程
机器学习进阶笔记之三 | 深入理解Alexnet
引言 TensorFlow是Google基于DistBelief进行研发的第二代赢咖4学习系统，被广泛用于语音识别或图像识别等多项机器深度学习领域。其命名来源于本身的运行原理。Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，TensorFlow代表着张量从图象的一端流动到另一端计算过程
机器学习进阶笔记之二 | 深入理解Neural Style
引言 TensorFlow是Google基于DistBelief进行研发的第二代赢咖4学习系统，被广泛用于语音识别或图像识别等多项机器深度学习领域。其命名来源于本身的运行原理。Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，TensorFlow代表着张量从图象的一端流动到另一端计算过程
机器学习进阶笔记之一 | TensorFlow安装与入门
引言 TensorFlow是Google基于DistBelief进行研发的第二代赢咖4学习系统，被广泛用于语音识别或图像识别等多项机器深度学习领域。其命名来源于本身的运行原理。Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，TensorFlow代表着张量从图象的一端流动到另一端计算过程
浅谈知识图谱基础
其实知识图谱这块内容在我自己做业务的时候也接触到了，当时公司一直也没一个很好的解决方案，原来我想找本专业的书籍去看，但是这方面的公开资料实在是有点少，所以就在知网找了几篇相关的论文看。 首先来说什么是语义网，语义网络是一张数据构成的网络，语义网络技术向用户提供的是
浅谈数据挖掘基础
前言 其实读完斯坦福的这本《互联网大规模数据挖掘》，让我感觉到，什么是赢咖4？赢咖4就是更高层次的数据挖掘。机器学习是赢咖4领域内的重要技术，同样也是在数据挖掘中的常用方法；数据挖掘中的去寻找频繁项集、相似项和基于数据挖掘的推荐系统，也是赢咖4领域的重要组成部
AI加速器自学组装指南（二）－Tensorflow软体架设
在上一篇谈完硬体组装基本架构后，这篇我们要谈的是Tensorflow软体架设，要安装软体，使用者当然要有Linux的安装概念与实作，因为这可是要用到终端机指令才行，而非如Windows安装那般一直按滑鼠点按即可。 AI- Tensorflow with GPU 安装纪录 OS: Ubuntu 16.04.03 LTS (Server Version)
浅谈推荐系统基础
这篇文章的技术难度会低一些，主要是对推荐系统所涉及到的各部分内容进行介绍，以及给出一些推荐系统的常用算法，比起技术，产品色彩会强不少。参考了《长尾理论》、《推荐系统实践》以及大量相关博客内容。 什么是推荐系统 我之前写过一篇《长尾理论》精读，里面有这样的观点： 推
浅谈语音识别基础
承接前面的《浅谈机器学习基础》、《浅谈深度学习基础》和《浅谈自然语言处理基础》，主要参考了《解析深度学习:语音识别实践》以及其它相关博客和Wikipedia。 简介 其实自动语音识别（Automatic Speech Recognition，ASR）这个研究领域已经活跃了五十多年，但一直并没有真正成为一
NVIDIA宣布新的赢咖4（AI）伙伴、培训课程与计划在全球各地提供深度学习培训
NVIDIA（辉达）2日宣布扩大其深度学习机构（Deep Learning Institute，DLI）规模，该机构已培训成千上万名学生、开发人员与数据科学家，教导他们运用赢咖4（AI）所需的关键技术。 最新的扩充内容包含： 新加入Booz Allen Hamilton 与deeplearning.ai，携手为产官学界培训数千名在人工智
赢咖4加速器自学组装指南（一）──基本架构
随着赢咖4议题越来越热门，越来越多人开始投入Python 或R 语言的学习，且透过各种强大的开源套件如Tensorflow、Keras 、Caffe、Torch、Scikit-learn，大幅降低了我们进入机器学习及深度学习的门槛。不少初心者想问，该使用怎样的硬件环境才能加速训练数据的时间？如果你或你的公司打算
浅谈深度学习基础（下）
CNN、RNN和LSTM 卷积神经网络（Convolutional Neural Network，CNN） 1984年，日本学者福岛基于感受区域概念提出了神经认知机。神经认知机可以看作是卷积神经网络的第一个实现网络，也是感受区域概念在人工神经网络领域的首次应用。神经认知机将一个视觉模式分解成许多feature，然后进入
浅谈深度学习基础（上）
第二个Topic讲深度学习，承接前面的《浅谈机器学习基础》。 深度学习简介 前面也提到过，机器学习的本质就是寻找最优模型，比如讲语音识别，就是将一段语音通过若干模型精准的转化为对应的文字，图像识别转化为识别结果，围棋程序转化为下一步走子，智能对话系统转化为对用户的回答。
浅谈机器学习基础（下）
利用回归预测数值型数据 线性回归 前面讲的都是监督学习中的分类，训练出可以判断样本类别的模型，而回归的目的是预测数值型的目标值，最直接的办法是依据输入写出一个目标值的计算公式，将自变量代入后就能根据函数得到因变量的预测值。 先讲最简单的回归方法：最小二乘法。
浅谈机器学习基础（上）
注：题中所指的『机器学习』不包括『深度学习』。本篇文章以理论推导为主，不涉及代码实现。 前些日子定下了未来三年左右的计划，其中很重要的一点是成为一名出色的赢咖4产品经理，说是要每月至少读一本赢咖4相关书籍，现在一个半月过去了，书读了一些，资料也看了不少，算是小有所
猿辅导开源分布式机器学习库ytk-learn及分布式通信库ytk-mp4j
作者：猿辅导研究团队语音识别负责人夏龙，机器学习研发工程师吴凡 近期，猿辅导公司开源了两个机器学习项目——ytk-learn, ytk-mp4j，其中 ytk-mp4j 是一个高效的分布式通信库，基于该通信库我们实现了 ytk-learn 分布式机器学习库，该机器学习库目前在猿辅导很多应用场
有趣的机器学习：最简明入门指南
在听到人们谈论机器学习的时候，你是不是对它的涵义只有几个模糊的认识呢？你是不是已经厌倦了在和同事交谈时只能一直点头？让我们改变一下吧！ 本指南的读者对象是所有对机器学习有求知欲但却不知道如何开头的朋友。我猜很多人已经读过了机器学习的维基百科词条，倍感挫折，以为没人
深度学习概述：从感知机到深度网络
近些年来，赢咖4领域又活跃起来，除了传统了学术圈外，Google、Microsoft、facebook等工业界优秀企业也纷纷成立相关研究团队，并取得了很多令人瞩目的成果。这要归功于社交网络用户产生的大量数据，这些数据大都是原始数据，需要被进一步分析处理；还要归功于廉价而又强大的计算资源的出
[视频]7 numpy的 索引 (教学教程)
7 numpy的 索引 (教学教程)
Geffory Hinton：深度学习进入平台期？不，深度学习需要的是「砍掉重练」
一个星期前由François Chollet在Twitter引发的「深度学习是否进入平台期」讨论，因为大神Geffory Hinton的参与达到了高潮。 Hinton：深度学习可能需要「推倒重来」 据科技媒体Axios 报导，上周三在多伦多举行的一个AI会议，Hinton表示对反向传播算法「深感怀疑」。这演算
[视频]6 numpy的基础运算2 (教学教程)
6 numpy的基础运算2 (教学教程)
