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

SeanCheney的专栏

专栏作者

192

文章

371384

阅读量

88

订阅数

普华永道全息图解机器学习

编程算法卷积神经网络机器学习神经网络决策树

几十年来，人工智能研究者的各个「部落」一直以来都在彼此争夺主导权。现在是这些部落联合起来的时候了吗？他们也可能不得不这样做，因为合作和算法融合是实现真正通用人工智能（AGI）的唯一方式。这里给出了机器学习方法的演化之路以及未来的可能模样。

2021-01-21

6540

《机器学习实战：基于Scikit-Learn、Keras和TensorFlow》第17章使用自编码器和GAN做表征学习和生成式学习

机器学习神经网络深度学习人工智能

（第二部分：深度学习）第10章使用Keras搭建人工神经网络第11章训练深度神经网络第12章使用TensorFlow自定义模型并训练第13章使用TensorFlow加载和预处理数据第14章使用卷积神经网络实现深度计算机视觉第15章使用RNN和CNN处理序列第16章使用RNN和注意力机制进行自然语言处理第17章使用自编码器和GAN做表征学习和生成式学习 [第18章强化学习] [第19章规模化训练和部署TensorFlow模型]

2020-01-15

1.8K0

《机器学习实战：基于Scikit-Learn、Keras和TensorFlow》第16章使用RNN和注意力机制进行自然语言处理

NLP 服务机器学习神经网络深度学习人工智能

自然语言处理的常用方法是循环神经网络。所以接下来会从 character RNN 开始（预测句子中出现的下一个角色），继续介绍RNN，这可以让我们生成一些原生文本，在过程中，我们会学习如何在长序列上创建TensorFlow Dataset。先使用的是无状态RNN（每次迭代中学习文本中的随机部分），然后创建一个有状态RNN（保留训练迭代之间的隐藏态，可以从断点继续，用这种方法学习长规律）。然后，我们会搭建一个RNN，来做情感分析（例如，读取影评，提取评价者对电影的感情），这次是将句子当做词的序列来处理。然后会介绍用RNN如何搭建编码器-解码器架构，来做神经网络机器翻译（NMT）。我们会使用TensorFlow Addons项目中的 seq2seq API 。

2019-12-26

1.7K0

《机器学习实战：基于Scikit-Learn、Keras和TensorFlow》第15章使用RNN和CNN处理序列

机器学习深度学习人工智能神经网络

第10章使用Keras搭建人工神经网络第11章训练深度神经网络第12章使用TensorFlow自定义模型并训练第13章使用TensorFlow加载和预处理数据第14章使用卷积神经网络实现深度计算机视觉第15章使用RNN和CNN处理序列 [第16章使用RNN和注意力机制进行自然语言处理] [第17章使用自编码器和GAN做表征学习和生成式学习] [第18章强化学习] [第19章规模化训练和部署TensorFlow模型]

2019-12-23

1.4K0

《机器学习实战：基于Scikit-Learn、Keras和TensorFlow》第14章使用卷积神经网络实现深度计算机视觉

编程算法机器学习神经网络深度学习人工智能

卷积神经网络（CNN）起源于人们对大脑视神经的研究，自从1980年代，CNN就被用于图像识别了。最近几年，得益于算力提高、训练数据大增，以及第11章中介绍过的训练深度网络的技巧，CNN在一些非常复杂的视觉任务上取得了超出人类表现的进步。CNN支撑了图片搜索、无人驾驶汽车、自动视频分类，等等。另外，CNN也不再限于视觉，比如：语音识别和自然语言处理，但这一章只介绍视觉应用。

2019-12-20

1.7K0

《Scikit-Learn与TensorFlow机器学习实用指南》第16章强化学习（下）

机器学习 tensorflow 强化学习 scikit-learn

在二十世纪初，数学家 Andrey Markov 研究了没有记忆的随机过程，称为马尔可夫链。这样的过程具有固定数量的状态，并且在每个步骤中随机地从一个状态演化到另一个状态。它从状态S演变为状态S'的概率是固定的，它只依赖于(S, S')对，而不是依赖于过去的状态（系统没有记忆）。

2018-12-17

5290

《Scikit-Learn与TensorFlow机器学习实用指南》第16章强化学习（上）

机器学习 tensorflow 游戏强化学习 scikit-learn

强化学习（RL）如今是机器学习的一大令人激动的领域，当然之前也是。自从 1950 年被发明出来后，它在这些年产生了一些有趣的应用，尤其是在游戏（例如 TD-Gammon，一个西洋双陆棋程序）和机器控制领域，但是从未弄出什么大新闻。直到 2013 年一个革命性的发展：来自英国的研究者发起了Deepmind 项目，这个项目可以学习去玩任何从头开始的 Atari 游戏，在多数游戏中，比人类玩的还好，它仅使用像素作为输入而没有使用游戏规则的任何先验知识。这是一系列令人惊叹的壮举中的第一个，并在 2016 年 3 月以他们的系统阿尔法狗战胜了世界围棋冠军李世石而告终。从未有程序能勉强打败这个游戏的大师，更不用说世界冠军了。今天，RL 的整个领域正在沸腾着新的想法，其都具有广泛的应用范围。DeepMind 在 2014 被谷歌以超过 5 亿美元收购。

2018-12-17

4280

《Scikit-Learn与TensorFlow机器学习实用指南》第15章自编码器

机器学习 tensorflow 神经网络存储 scikit-learn

自编码器是能够在无监督的情况下学习输入数据的有效表示（叫做编码）的人工神经网络（即，训练集是未标记）。这些编码通常具有比输入数据低得多的维度，使得自编码器对降维有用（参见第 8 章）。更重要的是，自编码器可以作为强大的特征检测器，它们可以用于无监督的深度神经网络预训练（正如我们在第 11 章中讨论过的）。最后，他们能够随机生成与训练数据非常相似的新数据；这被称为生成模型。例如，您可以在脸部图片上训练自编码器，然后可以生成新脸部。

2018-12-14

4340

《Scikit-Learn与TensorFlow机器学习实用指南》第14章循环神经网络

自动驾驶机器学习 tensorflow 神经网络 scikit-learn

击球手击出垒球，你会开始预测球的轨迹并立即开始奔跑。你追踪着它，不断调整你的移动步伐，最终在观众的掌声中抓到它。无论是在听完朋友的话语还是早餐时预测咖啡的味道，你时刻在做的事就是在预测未来。在本章中，我们将讨论循环神经网络 -- 一类预测未来的网络（当然，是到目前为止）。它们可以分析时间序列数据，诸如股票价格，并告诉你什么时候买入和卖出。在自动驾驶系统中，他们可以预测行车轨迹，避免发生交通意外。更一般地说，它们可在任意长度的序列上工作，而不是截止目前我们讨论的只能在固定长度的输入上工作的网络。举个例子，它们可以把语句，文件，以及语音范本作为输入，使得它们在诸如自动翻译，语音到文本或者情感分析（例如，读取电影评论并提取评论者关于该电影的感觉）的自然语言处理系统中极为有用。

2018-12-14

7240

《Scikit-Learn与TensorFlow机器学习实用指南》第10章人工神经网络

其他机器学习 tensorflow 神经网络 scikit-learn

鸟类启发我们飞翔，牛蒡植物启发了尼龙绳，大自然也激发了许多其他发明。从逻辑上看，大脑是如何构建智能机器的灵感。这是启发人工神经网络（ANN）的关键思想。然而，尽管飞机受到鸟类的启发，但它们不必拍动翅膀。同样的，ANN 逐渐变得与他们的生物表兄弟有很大的不同。一些研究者甚至争辩说，我们应该完全放弃生物类比（例如，通过说“单位”而不是“神经元”），以免我们把我们的创造力限制在生物学的系统上。

2018-12-10

7900

《Scikit-Learn与TensorFlow机器学习实用指南》第09章启动并运行TensorFlow

scikit-learn tensorflow 机器学习开源 python

TensorFlow 是一款用于数值计算的强大的开源软件库，特别适用于大规模机器学习的微调。它的基本原理很简单：首先在 Python 中定义要执行的计算图（例如图 9-1），然后 TensorFlow 使用该图，并使用优化的 C++ 代码高效运行该图。

2018-10-10

8150

《Scikit-Learn与TensorFlow机器学习实用指南》第07章集成学习和随机森林

scikit-learn tensorflow 机器学习编程算法决策树

假设你去随机问很多人一个很复杂的问题，然后把它们的答案合并起来。通常情况下你会发现这个合并的答案比一个专家的答案要好。这就叫做群体智慧。同样的，如果你合并了一组分类器的预测（像分类或者回归），你也会得到一个比单一分类器更好的预测结果。这一组分类器就叫做集成；因此，这个技术就叫做集成学习，一个集成学习算法就叫做集成方法。

2018-09-19

6060

《Scikit-Learn与TensorFlow机器学习实用指南》第06章决策树

scikit-learn tensorflow 机器学习决策树编程算法

和支持向量机一样，决策树是一种多功能机器学习算法，即可以执行分类任务也可以执行回归任务，甚至包括多输出（multioutput）任务.

2018-09-19

1.1K0

《Scikit-Learn与TensorFlow机器学习实用指南》第4章训练模型

scikit-learn tensorflow 机器学习编程算法神经网络

在之前的描述中，我们通常把机器学习模型和训练算法当作黑箱来处理。如果你动手练习过前几章的一些示例，就能惊奇地发现优化回归系统、改进数字图像的分类器、甚至可以零基础搭建一个垃圾邮件的分类器，但是却对它们内部的工作流程一无所知。事实上，许多场合你都不需要知道这些黑箱子的内部有什么，干了什么。

2018-09-19

8760

《Scikit-Learn与TensorFlow机器学习实用指南》第3章分类

scikit-learn tensorflow 机器学习监督学习编程算法

在第一章我们提到过最常用的监督学习任务是回归（用于预测某个值）和分类（预测某个类别）。在第二章我们探索了一个回归任务：预测房价。我们使用了多种算法，诸如线性回归，决策树，和随机森林（这个将会在后面的章节更详细地讨论）。现在我们将我们的注意力转到分类任务上。

2018-09-19

1.2K0

《Scikit-Learn与TensorFlow机器学习实用指南》第1章机器学习概览什么是机器学习？为什么使用机器学习？机器学习系统的类型批量和线上学习基于实例vs基于模型学习机器学习的主要挑战测

scikit-learn tensorflow 机器学习

---- 本书翻译已加入ApachCN的开源协作项目，见 https://github.com/apachecn/hands_on_Ml_with_Sklearn_and_TF/tree/dev/docs。我负责翻译的是第一章和第二章。 ApacheCN_飞龙转载了后面的章节，大家可以去他的页面查看，《第3章分类》链接 📷 ---- 下载本书和代码：https://www.jianshu.com/p/9efbae6dbf8e 本书自2017年4月9日出版，便长期占据美国亚马逊Compu

2018-04-24

1.7K0

《Scikit-Learn与TensorFlow机器学习实用指南》

scikit-learn tensorflow 机器学习

看了《Scikit-Learn与TensorFlow机器学习实用指南》（Hands-On Machine Learning with Scikit-Learn and TensorFlow）一书的序言

2018-04-24

2.2K0

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！

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