腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
专知
专栏作者
举报
835
文章
1362830
阅读量
397
订阅数
订阅专栏
申请加入专栏
全部文章(835)
人工智能(391)
机器学习(180)
其他(176)
深度学习(147)
编程算法(113)
神经网络(68)
NLP 服务(36)
tensorflow(33)
python(26)
强化学习(26)
大数据(26)
图像处理(23)
开源(21)
pytorch(20)
卷积神经网络(18)
自动化(17)
推荐系统(14)
https(14)
github(12)
自动驾驶(10)
图像识别(10)
无监督学习(10)
安全(10)
人脸识别(9)
java(9)
数据库(9)
分布式(9)
监督学习(9)
微信(9)
机器人(9)
数据挖掘(8)
html(8)
http(7)
线性回归(7)
区块链(5)
apache(5)
存储(5)
无人驾驶(5)
模式识别(5)
迁移学习(5)
数据处理(5)
nat(5)
linux(4)
网络安全(4)
决策树(4)
keras(4)
二叉树(4)
node.js(3)
sql(3)
api(3)
搜索引擎(3)
spark(3)
数据可视化(3)
ios(2)
爬虫(2)
scikit-learn(2)
数据分析(2)
数据结构(2)
系统架构(2)
数据万象(1)
swift(1)
go(1)
lua(1)
.net(1)
arm(1)
嵌入式(1)
硬件开发(1)
access(1)
ide(1)
git(1)
spring(1)
tornado(1)
网站(1)
电商(1)
游戏(1)
gui(1)
numpy(1)
面向对象编程(1)
unity(1)
asp(1)
anaconda(1)
windows(1)
物联网(1)
架构设计(1)
腾讯云开发者社区(1)
processing(1)
云计算(1)
5g(1)
智能客服机器人(1)
智能制造(1)
communication(1)
data(1)
date(1)
leetcode(1)
output(1)
pascal(1)
return(1)
row(1)
time(1)
搜索文章
搜索
搜索
关闭
【重温经典】吴恩达机器学习课程学习笔记十一:神经网络
机器学习
神经网络
人工智能
监督学习
无监督学习
【导读】前一段时间,专知内容组推出了春节充电系列:李宏毅2017机器学习课程学习笔记,反响热烈,由此可见,大家对人工智能、机器学习的系列课程非常感兴趣,近期,专知内容组推出吴恩达老师的机器学习课程笔记系列,重温机器学习经典课程,希望大家会喜欢。 【重温经典】吴恩达机器学习课程学习笔记一:监督学习 【重温经典】吴恩达机器学习课程学习笔记二:无监督学习(unsupervised learning) 【重温经典】吴恩达机器学习课程学习笔记三:监督学习模型以及代价函数的介绍 【重温经典】吴恩达机器学习课程学习笔记四
WZEARW
2018-06-05
486
0
【重温经典】吴恩达机器学习课程学习笔记三:监督学习模型以及代价函数的介绍
机器学习
监督学习
人工智能
无监督学习
【导读】前一段时间,专知内容组推出了春节充电系列:李宏毅2017机器学习课程学习笔记,反响热烈,由此可见,大家对人工智能、机器学习的系列课程非常感兴趣,近期,专知内容组推出吴恩达老师的机器学习课程笔记系列,重温机器学习经典课程,希望大家会喜欢。 【重温经典】吴恩达机器学习课程学习笔记一:监督学习 【重温经典】吴恩达机器学习课程学习笔记二:无监督学习(unsupervised learning) 吴恩达机器学习课程系列视频链接: http://study.163.com/course/courseMain.h
WZEARW
2018-04-13
608
0
【干货】监督学习与无监督学习简介
监督学习
无监督学习
人工智能
【导读】本文是一篇入门级的概念介绍文章,主要带大家了解一下监督学习和无监督学习,理解这两类机器学习算法的不同,以及偏差和方差详细阐述。这两类方法是机器学习领域中的最主要任务,由于近年来机器学习、深度学习的火热,目前学术界在监督学习方面取得了极大的进展,在图像、语音、自然语言处理等都取得很大成果。但是自然界中大多数数据都是无标签的,因此,无监督学习在未来很广泛的基础和前景。本文我们带大家一起来了解一下监督学习和无监督学习的主要内容和用途吧。 编译 | 专知 参与 | Yingying 监督学习与无监督学习 理
WZEARW
2018-04-13
1.5K
0
春节充电系列:李宏毅2017机器学习课程学习笔记16之无监督学习:自编码器(autoencoder)
机器学习
无监督学习
【导读】我们在上一节的内容中已经为大家介绍了台大李宏毅老师的机器学习课程的Unsupervised learning- neighbor embedding,这一节将主要针对讨论Unsupervised learning-Autoencoder。本文内容涉及机器学习中半监督学习auto-encoder的若干主要问题:Auto-encoder原理,deep auto-encoder,text retrieval,similar image search,auto-encoder for CNN以及Pre-tr
WZEARW
2018-04-13
1K
0
春节充电系列:李宏毅2017机器学习课程学习笔记15之无监督学习:Neighbor Embedding
机器学习
无监督学习
【导读】我们在上一节的内容中已经为大家介绍了台大李宏毅老师的机器学习课程的unsupervised learning-word embedding,这一节将主要针对讨论unsupervised learning-neighbor embedding。本文内容涉及机器学习中无监督学习neighbor embedding的若干主要问题:LLE,Laplacian Eigenmaps以及t-SNE。话不多说,让我们一起学习这些内容吧。 春节充电系列:李宏毅2017机器学习课程学习笔记01之简介 春节充电系列:李宏
WZEARW
2018-04-13
1.5K
0
春节充电系列:李宏毅2017机器学习笔记14之无监督学习:词嵌入表示(Word Embedding)
无监督学习
机器学习
【导读】我们在上一节的内容中已经为大家介绍了台大李宏毅老师的机器学习课程的无监督学习:主成分分析(PCA),这一节将主要针对讨论unsupervised learning-word embedding。本文内容涉及机器学习中半监督学习word embedding的若干主要问题:word embedding的含义,prediction-based, language model以及word embedding拓展。话不多说,让我们一起学习这些内容吧 春节充电系列:李宏毅2017机器学习课程学习笔记01之简介
WZEARW
2018-04-13
877
0
春节充电系列:李宏毅机器学习笔记13之无监督学习:主成分分析(PCA)
机器学习
无监督学习
【导读】我们在上一节的内容中已经为大家介绍了台大李宏毅老师的机器学习课程的半监督学习,这一节将主要针对讨论无监督学习:主成分分析(PCA)。本文内容涉及机器学习中无监督学习的若干主要问题:k-means,HAC,dimension reduction以及PCA。话不多说,让我们一起学习这些内容吧 春节充电系列:李宏毅2017机器学习课程学习笔记01之简介 春节充电系列:李宏毅2017机器学习课程学习笔记02之Regression 春节充电系列:李宏毅2017机器学习课程学习笔记03之梯度下降 春节充电系列:
WZEARW
2018-04-13
1.2K
0
春节充电系列:李宏毅2017机器学习课程学习笔记01之简介
机器学习
监督学习
无监督学习
迁移学习
强化学习
【导读】春节将近,在亲友相聚之余也不忘给自己充充电。为此,专知内容组给大家带来了台大李宏毅老师的2017年机器学习课程系列学习笔记。今天我们先来看一下该系列课程的内容简介。从本质上来讲,机器学习可以分为三部分:函数集(也就是model)、评价函数好坏的标准、训练集。该课程中机器学习的大致内容包括:有监督学习、无监督学习、半监督学习、回归、分类、迁移学习、结构化学习、强化学习。今天我们就来总览一下这些技术,并在后续的更新中跟大家一一介绍。 课件网址: http://speech.ee.ntu.edu.tw/~
WZEARW
2018-04-13
784
0
【重温经典】吴恩达机器学习课程学习笔记五:多元梯度下降
机器学习
人工智能
监督学习
无监督学习
【导读】前一段时间,专知内容组推出了春节充电系列:李宏毅2017机器学习课程学习笔记,反响热烈,由此可见,大家对人工智能、机器学习的系列课程非常感兴趣,近期,专知内容组推出吴恩达老师的机器学习课程笔记系列,重温机器学习经典课程,希望大家会喜欢。 【重温经典】吴恩达机器学习课程学习笔记一:监督学习 【重温经典】吴恩达机器学习课程学习笔记二:无监督学习(unsupervised learning) 【重温经典】吴恩达机器学习课程学习笔记三:监督学习模型以及代价函数的介绍 【重温经典】吴恩达机器学习课程学习笔记四
WZEARW
2018-04-13
546
0
【干货】初学者的深度学习论文打怪升级指南
深度学习
人工智能
无监督学习
强化学习
,【导读】人工智能研究专家Flood Sung针对近几年深度学习的研究进展提供了一个非常详细的阅读清单。如果你在深度学习领域是一个新手,你可以会想知道如何从哪篇论文开始阅读学习,人工智能研究专家Flood Sung制定了这一份详细的paper list,包括深度学习历史和基础知识、深度学习方法(涉及模型、优化、无监督学习、RNN、深度强化学习等)、深度学习应用(自然语言处理、目标检测、视觉跟踪、图像描述生成、机器翻译、机器人、目标分割等),建议你收藏,仔细学习。 Github 地址: https://git
WZEARW
2018-04-11
724
0
没有更多了
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!
立即发文
Python精品学习库
代码在线跑,知识轻松学
立即查看
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
立即体验
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
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档