最近在復(fù)習(xí)經(jīng)典排序算法，自己用python也實現(xiàn)了一下，這里不會涉及到原理（因為網(wǎng)上方法已經(jīng)很詳細(xì)啦），就把函數(shù)貼上來，可以讓大家自己試著運行下，再結(jié)合別處的原理也可以更好地...
發(fā)簡信
IP屬地：北京
-
經(jīng)典排序算法（冒泡排序，選擇排序，插入排序，快速排序，堆排序）python實現(xiàn)
-
淺談?wù)Z音識別基礎(chǔ)承接前面的《淺談機器學(xué)習(xí)基礎(chǔ)》、《淺談深度學(xué)習(xí)基礎(chǔ)》和《淺談自然語言處理基礎(chǔ)》，主要參考了《解析深度學(xué)習(xí):語音識別實踐》以及其它相關(guān)博客和Wikipedia。 簡介 其實自動...
-
來自北方，覽群書，多游歷；曾做過兩年基于深度強化學(xué)習(xí)的機器人控制，現(xiàn)在專注于自然語言處理<br><br>偉大不會放棄你，除非你先放棄追尋她
-
@公眾號：ml_trip<br>@github : <a href="https://links.jianshu.com/go?to=https%3A%2F%2Fgithub.com%2Fsladesha" target="_blank">https://github.com/sladesha</a>
-
關(guān)于tensorflow函數(shù)tf.scan簡易解讀
tf.scan(fn, elems, initializer=None, parallel_iterations=10, back_prop=True, swap_memor...
-
CUC Media A&V
-
微信公眾號：牛衣古柳<br>微信：xiaoaizhj 備注「可視化加群」<br>GitHub：<a href="https://links.jianshu.com/go?to=https%3A%2F%2Fgithub.com%2FDesertsX" target="_blank">https://github.com/DesertsX</a><br><br>喜歡數(shù)據(jù)可視化/D3.js<br><br>“如切如磋，如琢如磨”，知一切事皆如此，不可安于小成而不自勉益求精進也?！X穆《論語新解》<br><br>知乎：Deserts X：<br><a href="https://links.jianshu.com/go?to=https%3A%2F%2Fwww.zhihu.com%2Fpeople%2FDeserts-X%2Factivities" target="_blank">https://www.zhihu.com/people/Deserts-X/activities</a>
-
機器學(xué)習(xí)與計算機視覺
-
該專題是機器學(xué)習(xí)、推薦系統(tǒng)和自然語言處理、深度學(xué)習(xí)相關(guān)算法學(xué)習(xí)記錄，用通俗的語言去理解算法，去樸實的文字記錄每次前行，每個算法力爭說清緣由，且嘗試實現(xiàn)或者使用開源庫進行。機器學(xué)習(xí)忍者在路上……
-
我們已經(jīng)進入一個嶄新的智能機器時代，在未來幾年內(nèi)，人工智能和機器人給世界帶來的影響將遠遠超過個人計算機和互聯(lián)網(wǎng)在過去的30年間已經(jīng)對世界造成的改變。是謙遜地生存，還是傲慢地死去？智能機器將成為我們的奴隸，伙伴還是主人？
-
誠招管理員！聯(lián)系我~ 本專題專注于大數(shù)據(jù)技術(shù)，包括但不限于：分布式系統(tǒng)，hadoop，spark，storm，mesos，hbase，zookeeper。。。 Tips:如果是自己學(xué)習(xí)這些技術(shù)，通過社區(qū)學(xué)習(xí)是一個不錯的方式。 JIRA:https://issues.apache.org/jira/browse/SPARK/?selectedTab=com.atlassian.jira.jira-projects-plugin:summary-panel
-
分享深度學(xué)習(xí)、機器學(xué)習(xí)、計算機視覺、模式識別、資源語言處理、推薦系統(tǒng)等領(lǐng)域的一些技術(shù)
-
機器學(xué)習(xí)算法關(guān)注機器學(xué)習(xí)，人工智能，數(shù)據(jù)挖掘，計算機視覺等相關(guān)領(lǐng)域的文章
-
歡迎加入人工智能領(lǐng)域！
-
專注機器學(xué)習(xí)和數(shù)據(jù)分析，Python、R、Ruby、MATLAB、Mathematica。
-
機器學(xué)習(xí)(Machine Learning，ML)是研究計算機怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識或技能，重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的性能。數(shù)據(jù)挖掘是從海量數(shù)據(jù)中獲取有效的、新穎的、潛在有用的、最終可理解的模式的非平凡過程。數(shù)據(jù)挖掘中用到了大量的機器學(xué)習(xí)界提供的數(shù)據(jù)分析技術(shù)和數(shù)據(jù)庫界提供的數(shù)據(jù)管理技術(shù)，機器學(xué)習(xí)是數(shù)據(jù)挖掘的一個重要的工具。機器學(xué)習(xí)交流群：613944735
-
本專題招募管理員，有意向請簡信私聊，謝謝！ 用來分享機器學(xué)習(xí)，深度學(xué)習(xí)，神經(jīng)網(wǎng)絡(luò)，計算機視覺等領(lǐng)域的一些技術(shù)。 Machine Learning 學(xué)習(xí)資料：http://www.itdecent.cn/p/e0238db24973 相關(guān)參考： 1. [Coursera - Machine Learning by Andrew Ng]：https://www.coursera.org/learn/machine-learning 2. [ Stanford CS231n Course]：http://cs231n.github.io/ 課程整理：http://www.itdecent.cn/p/182baeb82c71 3. [深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)(英文原版)]：http://neuralnetworksanddeeplearning.com/ [GitBook同步鏈接]：https://www.gitbook.com/book/tigerneil/neural-networks-and-deep-learning-zh/details 4. [UFLDL教程]：http://deeplearning.stanford.edu/wiki/index.php/UFLDL%E6%95%99%E7%A8%8B （中文） http://ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial （英文） 5. [Deep Learning - An MIT Press book]：http://www.deeplearningbook.org/ 6. [Neural Network Playground]： http://playground.tensorflow.org/ 7. [A Guide to Deep Learning]： http://www.itdecent.cn/p/6752a8845d01 8. [知乎“機器學(xué)習(xí)”專欄]： https://www.zhihu.com/collection/108812637 9. [How do Convolutional Neural Networks work?] http://www.itdecent.cn/p/fe428f0b32c1 …… 希望大家可以相互交流，相互學(xué)習(xí)！
-
為機器學(xué)習(xí)愛好提供從入門到初級，中級，高級，進階版機器學(xué)習(xí)算法的基于Sklearn、TensorFlow的Python3源代碼。微信公眾號：pythonfan https://github.com/Anfany/Machine-Learning-for-Beginner-by-Python3。
