想要閱讀更多關(guān)于人工智能技術(shù)博客，請關(guān)注微信公眾號：人工智能大講堂
?專注人工智能底層數(shù)學(xué)原理和應(yīng)用，專欄包括線性代數(shù)，概率統(tǒng)計(jì)，機(jī)器學(xué)習(xí)，深度學(xué)習(xí)。
線性代數(shù)博客匯總
線性代數(shù)本質(zhì)（一）：向量，線性組合，線性相關(guān)，基
線性代數(shù)本質(zhì)（三）：逆矩陣，列空間，秩與零空間
線性代數(shù)本質(zhì)（六）：點(diǎn)積與對偶性
線性代數(shù)本質(zhì)（八）：以線性變換眼光看叉積
線性代數(shù)應(yīng)用（二）：線性代數(shù)在游戲中的應(yīng)用
線性代數(shù)應(yīng)用（三）：PCA數(shù)據(jù)降維
線性代數(shù)應(yīng)用（四）：奇異值分解數(shù)據(jù)降維
線性代數(shù)應(yīng)用（五）：線性代數(shù)在圖像配準(zhǔn)中的應(yīng)用
線性代數(shù)應(yīng)用（六）：線性代數(shù)進(jìn)行信息檢索
線性代數(shù)應(yīng)用（七）：協(xié)同過濾實(shí)現(xiàn)推薦系統(tǒng)
線性代數(shù)應(yīng)用（八）：PageRank分析
線性代數(shù)應(yīng)用（十）：線性代數(shù)在你的領(lǐng)域有哪些應(yīng)用？
線性代數(shù)應(yīng)用（十一）：ICP點(diǎn)云配準(zhǔn)背后的數(shù)學(xué)原理
線性代數(shù)應(yīng)用（十二）：介紹幾種矩陣分解算法和應(yīng)用
線性代數(shù)應(yīng)用（十三）：Jacobian矩陣和Hessian矩陣的作用是什么？
線性代數(shù)應(yīng)用（十四）：向量的點(diǎn)積和光線追蹤
線性代數(shù)應(yīng)用（十五）：學(xué)習(xí)線性代數(shù)有什么用？
線性代數(shù)應(yīng)用（十六）：菜市場里的矩陣乘法
線性代數(shù)應(yīng)用（十七）：線性代數(shù)在數(shù)據(jù)科學(xué)中的應(yīng)用
線性代數(shù)應(yīng)用（十八）：看線性代數(shù)如何進(jìn)行人臉識別
線性代數(shù)應(yīng)用（十九）：求解線性方程組的迭代方法
概率統(tǒng)計(jì)博客匯總
通俗易懂講解“協(xié)方差”與“相關(guān)系數(shù)”
機(jī)器學(xué)習(xí)為什么需要概率與統(tǒng)計(jì)？
概率統(tǒng)計(jì)在自然語言處理中的應(yīng)用
如何用數(shù)學(xué)知識去計(jì)算后宮三千佳麗的寵幸問題
機(jī)器學(xué)習(xí)博客匯總
機(jī)器學(xué)習(xí)源碼分析-支持向量機(jī)SVM
決策樹（中）——Random Forest、Adaboost、GBDT （非常詳細(xì)）
使用隨機(jī)森林進(jìn)行數(shù)據(jù)降維
Isolation Forest（孤立森林）進(jìn)行異常檢測
各種機(jī)器學(xué)習(xí)算法的特點(diǎn)以及應(yīng)用場景對比
如何通過顯著性檢驗(yàn)，判斷你的A/B測試結(jié)果是不是巧合？（上）
如何通過顯著性檢驗(yàn)，判斷你的A/B測試結(jié)果是不是巧合？（下）
主動學(xué)習(xí)（Active Learning）概述及最新研究
機(jī)器學(xué)習(xí)中的“假設(shè)”思想
機(jī)器學(xué)習(xí)應(yīng)補(bǔ)充哪些數(shù)學(xué)基礎(chǔ)？
深度學(xué)習(xí)博客匯總
深度學(xué)習(xí)損失函數(shù)優(yōu)化過程的數(shù)學(xué)原理
Adam那么棒，為什么還對SGD念念不忘？一文看懂深度學(xué)習(xí)優(yōu)化算法
深度學(xué)習(xí)數(shù)學(xué)基礎(chǔ)知識
深度學(xué)習(xí)背后的數(shù)學(xué)原理
神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識1.基礎(chǔ)知識
神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識2.距離計(jì)算
神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識3.評價(jià)指標(biāo)
神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識4.優(yōu)化策略
神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識5.激活函數(shù)
神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識6.損失函數(shù)
神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識7.模型調(diào)優(yōu)
神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識8.歸一化方法
CNN基礎(chǔ)知識3.CNN中模型的參數(shù)量與FLOPs計(jì)算
目標(biāo)檢測任務(wù)中，各類樣本不均衡問題總數(shù)
應(yīng)用強(qiáng)化學(xué)習(xí)進(jìn)行集成電路設(shè)計(jì)（英文）
圖神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)原理總結(jié)
圖神經(jīng)網(wǎng)絡(luò)與圖注意力網(wǎng)絡(luò)
圖表示學(xué)習(xí)技術(shù)在藥物推薦系統(tǒng)中的應(yīng)用
【理論+實(shí)踐】自動編碼器（AutoEncoder）基本概念及應(yīng)用（飛漿）
自編碼器AutoEncoder實(shí)現(xiàn)CT圖像降噪
一個(gè)完整的深度學(xué)習(xí)例子：項(xiàng)目簡介
一個(gè)完整的深度學(xué)習(xí)例子：環(huán)境搭建
一個(gè)完整的深度學(xué)習(xí)例子：數(shù)據(jù)準(zhǔn)備
一個(gè)完整的深度學(xué)習(xí)例子：模型訓(xùn)練
AutoML（三）：利用貝葉斯優(yōu)化進(jìn)行超參數(shù)搜索
How to Build a Winning Recommendation System, Part 1
How to Build a Deep Learning Powered Recommender System, Part 2
How to Build a Winning Recommender System-Part 3
當(dāng)圖像分割遇上關(guān)鍵點(diǎn)檢測
華為天才少年謝凌曦：關(guān)于視覺識別領(lǐng)域發(fā)展的個(gè)人觀點(diǎn)
如何實(shí)現(xiàn)高速卷積？深度學(xué)習(xí)庫使用了這些「黑魔法」
深度學(xué)習(xí)在自動駕駛領(lǐng)域的應(yīng)用
有哪些深度學(xué)習(xí)效果不如傳統(tǒng)方法的經(jīng)典案例？
通過醫(yī)療領(lǐng)域深度學(xué)習(xí)框架MONAI實(shí)現(xiàn)醫(yī)療圖像配準(zhǔn)
神經(jīng)網(wǎng)絡(luò)能否代替決策樹算法？
復(fù)現(xiàn)深度學(xué)習(xí)模型的幾點(diǎn)建議
能否使用神經(jīng)網(wǎng)絡(luò)來判斷奇偶數(shù)？
既然DNN可以擬合任何復(fù)雜函數(shù)，那為什么還要CNN，RNN，GNN？
史上最全的深度學(xué)習(xí)面經(jīng)總結(jié)（附答案詳解）
神經(jīng)網(wǎng)絡(luò)的參數(shù)如何初始化？
神經(jīng)網(wǎng)絡(luò)反向傳播的數(shù)學(xué)原理
想要閱讀更多關(guān)于人工智能技術(shù)博客，請關(guān)注微信公眾號：人工智能大講堂
專注人工智能底層數(shù)學(xué)原理和應(yīng)用，專欄包括線性代數(shù)，概率統(tǒng)計(jì)，機(jī)器學(xué)習(xí)，深度學(xué)習(xí)。
