首页
学习
活动
专区
工具
TVP
发布

机器之心

专栏作者
8931
文章
6274809
阅读量
277
订阅数
上线数天获2400星,这个GitHub项目帮你从头开始学习数据科学
这个 GitHub 项目提供了一份免费学习资源,既包括超详细的学习路线图,又涵盖多个免费线上课程、大量数据科学项目和 100 多本免费机器学习书籍,项目上线数天即获得 2.4k 星。
机器之心
2021-03-15
5930
从新冠肺炎可视化说起,数据展示如何简约但不简单
过去的十数年间,公共卫生事件如 SARS、甲型流感、禽流感等严重威胁人民的生命安全,无不对社会造成深远影响。而 19 年底从武汉开始爆发的新型冠状病毒疫情,在三个月时间内扩散范围已包括在亚洲、欧洲、北美洲和大洋洲的二十多个国家,逾六万患者,数字仍在持续攀升中。
机器之心
2020-02-27
1K0
想快速学会数据可视化?这里有一门4小时的Kaggle微课程
课程地址:https://www.kaggle.com/learn/data-visualization-from-non-coder-to-coder
机器之心
2019-05-13
1.1K0
沉浸式学习线性代数!这里有一本全交互的线性代数书
书籍地址:http://immersivemath.com/ila/index.html
机器之心
2019-03-12
1K0
4种更快更简单实现Python数据可视化的方法
数据可视化是数据科学或机器学习项目中十分重要的一环。通常,你需要在项目初期进行探索性的数据分析(EDA),从而对数据有一定的了解,而且创建可视化确实可以使分析的任务更清晰、更容易理解,特别是对于大规模的高维数据集。在项目接近尾声时,以一种清晰、简洁而引人注目的方式展示最终结果也是非常重要的,让你的受众(通常是非技术人员的客户)能够理解。
机器之心
2018-12-24
8990
教程 | 如何利用散点图矩阵进行数据可视化
选自TowardsDataScience 作者:William Koehrsen 机器之心编译 参与:Nurhachu Null、路 本文介绍了如何在 Python 中利用散点图矩阵(Pairs Plots)进行数据可视化。 如何快速构建强大的探索性数据分析可视化 当你得到一个很不错的干净数据集时,下一步就是探索性数据分析(Exploratory Data Analysis,EDA)。EDA 可以帮助发现数据想告诉我们什么,可用于寻找模式、关系或者异常来指导我们后续的分析。尽管在 EDA 中有很多种可以
机器之心
2018-06-08
2.5K2
深度 | 利用进化方法自动生成神经网络:深度进化网络DENSER
选自CISUC 作者:Filipe Assunção 等 机器之心编译 参与:程耀彤、李泽南 在为特定任务构建神经网络算法时,想要达到最佳性能需要大量的设计和手动调整。葡萄牙科英布拉大学计算设计和可视化实验室的研究者们利用进化算法的策略提出了深度进化网络结构表征(DENSER),可以自动进行多层深度神经网络的结构设计和参数调优,在没有先验知识的情况下,该方法生成的神经网络达到了业内最佳性能。 论文:DENSER: Deep Evolutionary Network Structured Representa
机器之心
2018-05-11
1.3K0
业界 | 百度成立数据可视化实验室,发布深度学习可视化平台 Visual DL
机器之心整理 参与:吴欣 据百度技术经理祖明的知乎文章介绍,2018 年 1 月 16 日,百度发布开源产品 ECharts(echarts.baidu.com)的最新大版本 4.0,新版本在产品的性能、功能、易用性等各个方面进行了全面提升。此外,百度还一起发布了 ECharts GL 1.0 正式版,ZRender 4.0 全新版本,WebGL 框架 ClayGL、深度学习框架 VisualDL 等数据可视化产品。祖明还提到,随着这些产品的发布,百度正式公布全新升级的数据可视化品牌----「百度数据可视化
机器之心
2018-05-11
8710
学界 | 从可视化到新模型:纵览深度学习的视觉可解释性
选自arXiv 作者:张拳石、朱松纯 机器之心编译 参与:乾树、李泽南 在本篇论文中,来自 UCLA 的研究人员就目前有关理解神经网络表征和用可解释/分离式表征学习神经网络的研究进行了一次调查。 本文将研究范围圈定到以下六个研究方向: 网络中间层的 CNN 特征可视化。这些方法主要是合成图像,使预训练的 CNN 中的给定神经元的得分最大化,或者用卷积层的 feature maps 反推出输入图。详细内容请看第二节。 CNN 表征的诊断。相关的研究涉及为不同的物体类别诊断 CNN 的特征空间,或揭露卷积层的潜
机器之心
2018-05-09
1.2K0
教程 | 5种快速易用的Python Matplotlib数据可视化方法
选自towardsdatascience 作者:George Seif 机器之心编译 参与:刘晓坤、思源 数据可视化是数据科学家工作的重要部分。在项目的早期阶段,我们通常需要进行探索性数据分析来获得对数据的洞察。通过数据可视化可以让该过程变得更加清晰易懂,尤其是在处理大规模、高维度数据集时。在本文中,我们介绍了最基本的 5 种数据可视化图表,在展示了它们的优劣点后,我们还提供了绘制对应图表的 Matplotlib 代码。 Matplotlib 是一个很流行的 Python 库,可以帮助你快速方便地构建数
机器之心
2018-05-09
2.4K0
打开黑箱重要一步,MIT提出TbD-net,弥合视觉推理模型的性能与可解释性鸿沟
选自arXiv 作者:David Mascharka等 机器之心编译 参与:路雪、黄小天 近日,MIT 林肯实验室和 Planck Aerosystems 联合发布论文,提出一组可组合的视觉推理原语,并构建了 Transparency by Design network(TbD-net),通过整合注意力机制推进了模型透明度,同时又保证了高性能。TbD 在 CLEVR 数据集上达到了当前最优的准确率 99.1%;在 CoGenT 泛化任务上,TbD 比当前最优的模型提升了超过 20 个百分点。该论文被贴到 r
机器之心
2018-05-09
7560
深度 | 从任务到可视化,如何理解LSTM网络中的神经元
选自GitHub 作者:Tigran Galstyan等 机器之心编译 参与:Nurhachu Null、蒋思源 对人类而言,转写是一件相对容易并且可解释的任务,所以它比较适合用来解释神经网络做了哪
机器之心
2018-05-09
1.1K0
学界 | 谷歌联手OpenAI等发布可视化机器学习平台Distill,创始人详述创立背景
机器之心报道 参与:微胖、蒋思源 传统学术发表形式是 PDF 文件。但是,这种文件形式阻碍社区以一种新的互动创造性的方式共享科研成果。Distill 是一个现代的交互、视觉化期刊平台,面向现有以及新的
机器之心
2018-05-07
9240
资源 | 挑战谷歌,Facebook 发布交互数据可视化工具 Visdom
选自GitHub 机器之心编译 参与:微胖、吴攀 FAIR 发布了 Visdom,一款可在 Torch、PyTorch 以及 NumPy 上实现交互式数据可视化的工具套件。FAIR 表示,他们已经内部使用了一段时间并认为这款工具非常有助于研究。Visdom 创作者为 FAIR 的 Allan Jabri、Zeming Lin 以及 Laurens van der Maaten。其中,Allan Jabri 承担了绝大部分研发工作。 项目地址:https://github.com/facebookresear
机器之心
2018-05-07
8190
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
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