前段時(shí)間在學(xué)習(xí)MXnet提供的樣例的時(shí)候接觸了一下Kaggle的兩屆NDSB比賽，于是就稍微調(diào)研了一下Kaggle平臺(tái)。 Introduction Kaggle是一個(gè)數(shù)據(jù)建模...
發(fā)簡信
IP屬地：浙江
-
[Kaggle] 數(shù)據(jù)建模分析與競賽平臺(tái)介紹 -
淺談深度學(xué)習(xí)基礎(chǔ)（上）第二個(gè)Topic講深度學(xué)習(xí)，承接前面的《淺談機(jī)器學(xué)習(xí)基礎(chǔ)》。 深度學(xué)習(xí)簡介 前面也提到過，機(jī)器學(xué)習(xí)的本質(zhì)就是尋找最優(yōu)模型，比如講語音識(shí)別，就是將一段語音通過若干模型精準(zhǔn)的轉(zhuǎn)化...
-
淺談深度學(xué)習(xí)基礎(chǔ)（下）CNN、RNN和LSTM 卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN） 1984年，日本學(xué)者福島基于感受區(qū)域概念提出了神經(jīng)認(rèn)知機(jī)。神經(jīng)認(rèn)知...
-
淺談機(jī)器學(xué)習(xí)基礎(chǔ)（下）利用回歸預(yù)測數(shù)值型數(shù)據(jù) 線性回歸 前面講的都是監(jiān)督學(xué)習(xí)中的分類，訓(xùn)練出可以判斷樣本類別的模型，而回歸的目的是預(yù)測數(shù)值型的目標(biāo)值，最直接的辦法是依據(jù)輸入寫出一個(gè)目標(biāo)值的計(jì)算公式...
-
淺談機(jī)器學(xué)習(xí)基礎(chǔ)（上）注：題中所指的『機(jī)器學(xué)習(xí)』不包括『深度學(xué)習(xí)』。本篇文章以理論推導(dǎo)為主，不涉及代碼實(shí)現(xiàn)。 前些日子定下了未來三年左右的計(jì)劃，其中很重要的一點(diǎn)是成為一名出色的人工智能產(chǎn)品經(jīng)理，說...
