腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

机器学习算法工程师

机器学习、深度学习、数据挖掘等人工智能领域的技术实战干货文章，这里都有！

专栏作者

197

文章

321357

阅读量

118

订阅数

LightGBM大战XGBoost，谁将夺得桂冠？

如果你是一个机器学习社区的活跃成员，你一定知道 **提升机器**（Boosting Machine）以及它们的能力。提升机器从AdaBoost发展到目前最流行的XGBoost。XGBoost实际上已经成为赢得在Kaggle比赛中公认的算法。这很简单，因为他极其强大。但是，如果数据量极其的大，XGBoost也需要花费很长的时间去训练。

机器学习算法工程师

2018-09-29

6870

深入理解TensorFlow中的tf.metrics算子

本文翻译自Avoiding headaches with tf.metrics，原作者保留版权。

机器学习算法工程师

2018-09-29

1.5K0

LSTM模型与前向反向传播算法

在循环神经网络(RNN)模型与前向反向传播算法中，我们总结了对RNN模型做了总结。由于RNN也有梯度消失的问题，因此很难处理长序列的数据，大牛们对RNN做了改进，得到了RNN的特例LSTM（Long Short-Term Memory），它可以避免常规RNN的梯度消失，因此在工业界得到了广泛的应用。下面我们就对LSTM模型做一个总结。章节目录

机器学习算法工程师

2018-09-29

1.8K0

机器学习模型，能分清川菜和湘菜吗？

一个地区的文化和当地的特色食物总是分不开关系，可以说小到村庄，大到国家，每个地方都有自己的“味道”。

机器学习算法工程师

2018-09-29

5200

循环神经网络(RNN)模型与前向反向传播算法

在前面我们讲到了DNN，以及DNN的特例CNN的模型和前向反向传播算法，这些算法都是前向反馈的，模型的输出和模型本身没有关联关系。今天我们就讨论另一类输出和模型间有反馈的神经网络：循环神经网络(Recurrent Neural Networks ，以下简称RNN)，它广泛的用于自然语言处理中的语音识别，手写书别以及机器翻译等领域。

机器学习算法工程师

2018-09-29

2.2K0

干货|（DL~3）deep learning中一些层的介绍

文章来自：https://leonardoaraujosantos.gitbooks.io 原文作者：Leonardo Araujo dos Santos

机器学习算法工程师

2018-08-17

7280

受限玻尔兹曼机（RBM）原理总结

地址:http://www.cnblogs.com/pinard/p/6530523.html

机器学习算法工程师

2018-08-17

1.4K0

听说比K-means厉害多了：谱聚类

地址:https://www.cnblogs.com/pinard/p/6221564.html

机器学习算法工程师

2018-08-17

5K0

随机采样方法——蒙特卡罗方法

地址:http://www.cnblogs.com/pinard/p/6625739.html

机器学习算法工程师

2018-08-17

2.5K0

BIRCH聚类算法原理

在这篇博文中，我们来探讨循环网络模型和前馈模型之间的取舍。前馈模型可以提高训练稳定性和速度，而循环模型表达能力更胜一筹。有趣的是，额外的表现力似乎并没有提高循环模型的性能。

机器学习算法工程师

2018-08-06

1.5K0

《机器学习》笔记-规则学习（15）

如今机器学习和深度学习如此火热，相信很多像我一样的普通程序猿或者还在大学校园中的同学，一定也想参与其中。不管是出于好奇，还是自身充电，跟上潮流，我觉得都值得试一试。对于自己，经历了一段时间的系统学习（参考《机器学习/深度学习入门资料汇总》），现在计划重新阅读《机器学习》[周志华]和《深度学习》[Goodfellow et al]这两本书，并在阅读的过程中进行记录和总结。这两本是机器学习和深度学习的入门经典。笔记中除了会对书中核心及重点内容进行记录，同时，也会增加自己的理解，包括过程中的疑问，并尽量的和实际的工程应用和现实场景进行结合，使得知识不只是停留在理论层面，而是能够更好的指导实践。记录笔记，一方面，是对自己先前学习过程的总结和补充。另一方面，相信这个系列学习过程的记录，也能为像我一样入门机器学习和深度学习同学作为学习参考。

机器学习算法工程师

2018-08-06

1.1K0

一种简单有效的网络结构搜索

这篇文章主要介绍了一种方法用于解决网络结构搜索中，搜索空间过大且训练时间过长，算力要求过高的问题。运用了爬山算法来搜索优秀的网络结构，主要是用了一个很nb的技术叫network morphism的算法，极大的减小了训练时间，原因就是利用了之前训练的网络权重。

机器学习算法工程师

2018-08-06

5760

fine-gained image classification

我们在路边看到萌犬可爱至极，然后却不知道这个是哪种狗；看见路边的一个野花却不知道叫什么名字，吃着一种瓜，却不知道是甜瓜还是香瓜傻傻分不清……

机器学习算法工程师

2018-08-06

3630

《机器学习》笔记-计算学习理论（12）

如今机器学习和深度学习如此火热，相信很多像我一样的普通程序猿或者还在大学校园中的同学，一定也想参与其中。不管是出于好奇，还是自身充电，跟上潮流，我觉得都值得试一试。对于自己，经历了一段时间的系统学习（参考《机器学习/深度学习入门资料汇总》），现在计划重新阅读《机器学习》[周志华]和《深度学习》[Goodfellow et al]这两本书，并在阅读的过程中进行记录和总结。这两本是机器学习和深度学习的入门经典。笔记中除了会对书中核心及重点内容进行记录，同时，也会增加自己的理解，包括过程中的疑问，并尽量的和实际的工程应用和现实场景进行结合，使得知识不只是停留在理论层面，而是能够更好的指导实践。记录笔记，一方面，是对自己先前学习过程的总结和补充。另一方面，相信这个系列学习过程的记录，也能为像我一样入门机器学习和深度学习同学作为学习参考。

机器学习算法工程师

2018-07-27

1.1K0

DenseNet：比ResNet更优的CNN模型

本篇文章首先介绍DenseNet的原理以及网路架构，然后讲解DenseNet在Pytorch上的实现。

机器学习算法工程师

2018-07-27

1.5K0

《机器学习》笔记-降维与度量学习（10）

如今机器学习和深度学习如此火热，相信很多像我一样的普通程序猿或者还在大学校园中的同学，一定也想参与其中。不管是出于好奇，还是自身充电，跟上潮流，我觉得都值得试一试。对于自己，经历了一段时间的系统学习（参考《机器学习/深度学习入门资料汇总》(https://zhuanlan.zhihu.com/p/30980999)），现在计划重新阅读《机器学习》[周志华]和《深度学习》[Goodfellow et al]这两本书，并在阅读的过程中进行记录和总结。这两本是机器学习和深度学习的入门经典。笔记中除了会对书中核心及重点内容进行记录，同时，也会增加自己的理解，包括过程中的疑问，并尽量的和实际的工程应用和现实场景进行结合，使得知识不只是停留在理论层面，而是能够更好的指导实践。记录笔记，一方面，是对自己先前学习过程的总结和补充。另一方面，相信这个系列学习过程的记录，也能为像我一样入门机器学习和深度学习同学作为学习参考。

机器学习算法工程师

2018-07-27

5980

《机器学习》笔记-特征选择与稀疏学习（11）

如今机器学习和深度学习如此火热，相信很多像我一样的普通程序猿或者还在大学校园中的同学，一定也想参与其中。不管是出于好奇，还是自身充电，跟上潮流，我觉得都值得试一试。对于自己，经历了一段时间的系统学习（参考《机器学习/深度学习入门资料汇总》），现在计划重新阅读《机器学习》[周志华]和《深度学习》[Goodfellow et al]这两本书，并在阅读的过程中进行记录和总结。这两本是机器学习和深度学习的入门经典。笔记中除了会对书中核心及重点内容进行记录，同时，也会增加自己的理解，包括过程中的疑问，并尽量的和实际的工程应用和现实场景进行结合，使得知识不只是停留在理论层面，而是能够更好的指导实践。记录笔记，一方面，是对自己先前学习过程的总结和补充。另一方面，相信这个系列学习过程的记录，也能为像我一样入门机器学习和深度学习同学作为学习参考。

机器学习算法工程师

2018-07-27

4620

不懂word2vec，还敢说自己是做NLP？

如今，深度学习炙手可热，deep learning在图像处理领域已经取得了长足的进展。随着Google发布word2vec，深度学习在自然语言处理领域也掀起了一阵狂潮。由于最近正在做一个相关的NLP项目，所以抽时间总结一下word2vec的相关知识点。

机器学习算法工程师

2018-07-27

8170

全面解读Group Normbalization-（吴育昕-何凯明重磅之作)

一句话概括，GroupNormbalization（GN）是一种新的深度学习归一化方式，可以替代BN。

机器学习算法工程师

2018-07-27

6350

LightGBM大战XGBoost，谁将夺得桂冠？

如果你是一个机器学习社区的活跃成员，你一定知道 **提升机器**（Boosting Machine）以及它们的能力。提升机器从AdaBoost发展到目前最流行的XGBoost。XGBoost实际上已经成为赢得在Kaggle比赛中公认的算法。这很简单，因为他极其强大。但是，如果数据量极其的大，XGBoost也需要花费很长的时间去训练。

机器学习算法工程师

2018-07-27

1.5K0

点击加载更多

社区活动

腾讯技术创作狂欢月

“码”上创作 21 天，分 10000 元奖品池！

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·千货材料·成员作品最新动态