摘要：用離散信一文清晰講解機(jī)器學(xué)習(xí)中梯度下降算法包括其變式算法無論是要解決現(xiàn)實(shí)生活中的難題，還是要創(chuàng)建一款新的軟件產(chǎn)品，我們最終的目標(biāo)都是使其達(dá)到最優(yōu)狀態(tài)。

作為一名久經(jīng)片場的老司機(jī)，早就想寫一些探討駕駛技術(shù)的文章。這篇就介紹利用生成式對抗網(wǎng)絡(luò)（GAN）的兩個(gè)基本駕駛技能：

1) 去除(愛情)動作片中的馬賽克

2) 給(愛情)動作片中的女孩穿(tuo)衣服

不同于其他KNN的入門，這篇文章直接采用卷積神經(jīng)網(wǎng)絡(luò)介紹機(jī)器學(xué)習(xí)。好像不學(xué)點(diǎn)機(jī)器學(xué)習(xí)就很虧？

零基礎(chǔ)意味著你不需要太多的數(shù)學(xué)知識，只要會寫程序就行了，沒錯(cuò)，這是專門為程序員寫的文章。雖然文中會有很多公式你也許看不懂，但同時(shí)也會有更多的代碼，程序員的你一定能看懂的

上周，今日頭條人工智能實(shí)驗(yàn)室在清華大學(xué)舉辦了第二期 AI 技術(shù)沙龍，邀請到上海科技大學(xué)信息科學(xué)與技術(shù)學(xué)院的馬毅教授帶來題為「高維數(shù)據(jù)的低維結(jié)構(gòu)與深度模型」的主題分享。馬毅教授以計(jì)算機(jī)視覺為例，展示了低維模型和深度模型如何從不同角度試圖攻克同一個(gè)問題：高維數(shù)據(jù)的信息提取。并且詳細(xì)展示了從低維模型角度如何分解并逐步攻克這個(gè)問題，有哪些應(yīng)用，以及低維模型如何給深度模型帶來可解釋性。

Python 篇的組織結(jié)構(gòu) 不管是學(xué)習(xí)人工智能還是大數(shù)據(jù)，Python 都是基本必學(xué)的，而且如果大家自己有一定的語言基礎(chǔ)，會發(fā)現(xiàn) Python 是非常好入門的，我自己大概花了 1 個(gè)下午入門了一下基本的語法。 我會花 3 到 4 篇的篇幅給大家作一下基本的入門。當(dāng)然，這不…

人工智能（AI）和機(jī)器學(xué)習(xí)（ML）是目前最熱門的話題之一。
你每天都能不經(jīng)意地聽人提起“AI”這個(gè)詞。你聽到有抱負(fù)的開發(fā)者說他們想學(xué)習(xí)AI。你也聽到管理人員說他們想在他們的服務(wù)中實(shí)現(xiàn)人工智能。但是很多時(shí)候，這些人中有很大一部分其實(shí)并不理解AI是什么。
閱讀完本文后，你將理解AI…

機(jī)器學(xué)習(xí)理論篇1：機(jī)器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)

《A Tour of Recurrent Neural Network Algorithms for Deep Learning | Machine Learning Mastery》by Jason Brownlee

監(jiān)督學(xué)習(xí)是利用標(biāo)記了的樣本進(jìn)行學(xué)習(xí)，無監(jiān)督學(xué)習(xí)則是使用未標(biāo)記的樣本進(jìn)行學(xué)習(xí)，這兩個(gè)是我們最常見的。半監(jiān)督學(xué)習(xí)則是樣本中只有少量帶標(biāo)記的樣本，多數(shù)樣本都未標(biāo)記，利用這些樣本進(jìn)行學(xué)習(xí)。強(qiáng)化學(xué)習(xí)則是很不同的一種學(xué)習(xí)方式，它沒有規(guī)則的訓(xùn)練樣本和標(biāo)簽，主要通過獎勵(lì)和懲罰達(dá)到學(xué)習(xí)的目的。 …

A 2017 Guide to Semantic Segmentation with Deep Learning

如果你像作者一樣，也著迷于人工智能。也許你想深入挖掘，并在 TensorFlow 或 Theano 運(yùn)行一個(gè)圖像分類器。也許你是一個(gè)敢于嘗試新事物的開發(fā)人員或系統(tǒng)架構(gòu)師，你知道計(jì)算機(jī)非常好，但只有一個(gè)小問題：

你的數(shù)學(xué)不好。

本文是基于 TensorFlow 在中文數(shù)據(jù)集上的簡化實(shí)現(xiàn)，使用了字符級 CNN 和 RNN 對中文文本進(jìn)行分類，達(dá)到了較好的效果。

豆瓣有各種小組，每個(gè)小組會有個(gè)主題，如何給帖子分類。這個(gè)時(shí)候需要介紹機(jī)器學(xué)習(xí)一個(gè)最簡單的算法，叫 k 近鄰算法

給吳恩達(dá)三塊白板和一支馬克筆，聽他講一節(jié)精彩的課。剛剛，在O’reilly舉辦的AI Conference上，吳恩達(dá)做了個(gè)25分鐘的演講，主題依然是“AI is the new electricity”?，但內(nèi)容可以說是充滿誠意非常干貨了。

最近打算系統(tǒng)學(xué)習(xí)下機(jī)器學(xué)習(xí)的基礎(chǔ)算法，避免眼高手低，決定把常用的機(jī)器學(xué)習(xí)基礎(chǔ)算法都實(shí)現(xiàn)一遍以便加深印象。本文為這系列博客的第一篇，關(guān)于決策樹(Decision Tree)的算法實(shí)現(xiàn)，文中我將對決策樹種涉及到的算法進(jìn)行總結(jié)并附上自己相關(guān)的實(shí)現(xiàn)代碼。所有算法代碼以及用于相應(yīng)模型的訓(xùn)…

在AI時(shí)代，我們希望計(jì)算機(jī)能夠擁有視覺、聽覺、行動以及語言的智能，而相對于聽和看以及行動，語言是我們?nèi)祟悈^(qū)別于其他動物的最重要特征之一。語言是我們思維的載體，也因此我們對于語言的理解和處理，變得尤為重要。

視頻教程的總結(jié)和一些自行補(bǔ)充的內(nèi)容，旨在盡可能的理解其原理。 在忽略噪聲的情況下，泛化誤差可分解為偏差、方差兩部分。 偏差：度量學(xué)習(xí)算法的期望預(yù)測與真實(shí)結(jié)果的偏離程度，也叫擬合能力。 方差：度量了同樣大小的訓(xùn)練集的變動所導(dǎo)致的學(xué)習(xí)性能的變化，即刻畫了數(shù)據(jù)擾動造成的影響。 我們通…

這里對卷積神經(jīng)網(wǎng)絡(luò)的講解主要是以不同的思考側(cè)重展開，通過對卷積神經(jīng)網(wǎng)絡(luò)的分析，進(jìn)一步理解神經(jīng)網(wǎng)絡(luò)變體中“因素共享”這一概念。

一文看懂 25 個(gè)神經(jīng)網(wǎng)絡(luò)模型

使用tensorflow實(shí)現(xiàn)深度學(xué)習(xí)LSTM模型，源碼在github上公開，方法簡單易學(xué)，適合上手。

非常系統(tǒng)的教程。

我們在機(jī)器學(xué)習(xí)中一直會遇到兩種問題，一種是回歸問題，一種是分類問題。我們從字面上理解，很容易知道分類問題其實(shí)是將我們現(xiàn)有的數(shù)據(jù)分成若干類，然后對于新的數(shù)據(jù)，我們根據(jù)所分得類而進(jìn)行劃分；而回歸問題是將現(xiàn)有數(shù)據(jù)擬合成一條函數(shù)，根據(jù)所擬合的函數(shù)來預(yù)測新的數(shù)據(jù)。 這兩者的區(qū)別就在于輸出…

編譯 | 周翔斯坦福的 CS231n 是深度學(xué)習(xí)和計(jì)算機(jī)視覺領(lǐng)域的經(jīng)典課程之一。近日，斯坦福又開放了由李飛飛主講的 CS231n Spring 2017 全部視頻課程。在AI科技大本營微信公眾號會話回復(fù)“斯坦福”，打包下載16張課程PDF根據(jù)官網(wǎng)信息，此次課程的主題為：Convo…

什么是卷積 首先看卷積公式 它是通過兩個(gè)函數(shù) f(t) 和 g(t) 來生成第三個(gè)函數(shù)的一種數(shù)學(xué)算子。從負(fù)無窮到正無窮遍歷全部 u 值，把 g(t-u) 的值乘以 f(u) 的值之后再進(jìn)行累加，得到關(guān)于該累加操作的關(guān)于 t 的函數(shù)。從另一個(gè)角度看，卷積就是一種加權(quán)求和。 用離散信…

無論是要解決現(xiàn)實(shí)生活中的難題，還是要創(chuàng)建一款新的軟件產(chǎn)品，我們最終的目標(biāo)都是使其達(dá)到最優(yōu)狀態(tài)。作為一名計(jì)算機(jī)科學(xué)專業(yè)的學(xué)生，我經(jīng)常需要優(yōu)化各種代碼，以便提高其整體的運(yùn)行速度。 一般情況下，最優(yōu)狀態(tài)會伴隨問題的最佳解決方案。如果閱讀近期發(fā)表的關(guān)于優(yōu)化問題的文章的話，你會發(fā)現(xiàn)，優(yōu)化…

如果你像作者一樣，也著迷于人工智能。也許你想深入挖掘，并在 TensorFlow 或 Theano 運(yùn)行一個(gè)圖像分類器。也許你是一個(gè)敢于嘗試新事物的開發(fā)人員或系統(tǒng)架構(gòu)師，你知道計(jì)算機(jī)非常好，但只有一個(gè)小問題： 你的數(shù)學(xué)不好。

文章簡潔地介紹了機(jī)器學(xué)習(xí)的主要算法和一些偽代碼，對于初學(xué)者有很大幫助，是一篇不錯(cuò)的總結(jié)文章，后期可以通過文中提到的算法展開去做一些實(shí)際問題。