發(fā)簡信
IP屬地：英格蘭
-
4. Feasibility of Learning 可行性1. 提出疑問：學(xué)習(xí)是可能的嗎 No free lunch. 2. 添加條件 來自同一分布；N足夠大；|H|有限 大概近似正確 probably...
-
3. Types of Learning1. 不同的輸出空間 (Different Output SpaceY) classification, regression, structured 2. 不同...
-
2. Perceptron Learning Algorithm (PLA)PLA基本原理：找到一個錯誤，并修正那個錯誤 前提：數(shù)據(jù)是線性可分的 證明PLA會停下，只要線性可分并不斷修正錯誤 優(yōu)點：實現(xiàn)簡單；快速；適用于任何維度 缺點：假設(shè)線性可分，...
-
-
簡單使用jupyter notebook
使用TensorFlow庫創(chuàng)建圖像數(shù)據(jù)集 os.listdir 和 plt.imread使用float或uint8表示圖像裁剪圖像 快捷鍵 ’a’：在上方新建cell ’b’...
-
Neural Networks and Deep learning 學(xué)習(xí)筆記?1.1 Welcome
背景：改變了傳統(tǒng)的網(wǎng)絡(luò)商業(yè)，網(wǎng)絡(luò)搜索和廣告 專題總結(jié) 學(xué)習(xí)深度學(xué)習(xí)的工具
-
Neural Networks and Deep learning 學(xué)習(xí)筆記?1.0 Introduction to deep learning
Be able to explain the major trends driving the rise of deep learning, and understand w...
-
-
Hi，很高興在@IT·互聯(lián)網(wǎng)專題遇見你。 收錄范圍：收錄IT&互聯(lián)網(wǎng)行業(yè)觀察與思考，數(shù)碼產(chǎn)品極客體驗分析等類型文章 投稿須知：http://m.itdecent.cn/p/4edc76104c27 專題主編：@若錦 http://m.itdecent.cn/u/e4c63b354a77 官方社群：可聯(lián)系添加 @若錦 加入專題官方社群交流、學(xué)習(xí)，添加時備注簡書ID。
-
發(fā)乎于心，言之在理。 本專題僅收錄主題與心理學(xué)知識、心理健康與內(nèi)在成長、咨詢理論及實務(wù)有關(guān)的原創(chuàng)文章，內(nèi)容須兼顧科學(xué)性與生活性，能讓讀者獲益或激發(fā)共鳴。 投稿須知： 1、字?jǐn)?shù)要求：1000字以上（字字珠璣、邏輯縝密的大神可破例）； 2、排版簡潔美觀、閱讀體驗良好：至少需要一張相關(guān)插圖，請用段落間空行代替首行縮進(jìn)，文中小標(biāo)題建議用粗體或大一字號區(qū)別，標(biāo)點符號使用正確，無明顯錯別字； 3、內(nèi)容原創(chuàng)，結(jié)構(gòu)完整，體裁不限：小說、散文、詩歌、日記類碎碎念請謹(jǐn)慎投稿，除非有豐富的心理學(xué)內(nèi)涵；讀書或聽課筆記類文章須包含超過原作或課程要點50%以上的個人見解； 4、標(biāo)題積極正向，不含有明顯偏激和負(fù)能量用詞； 5、文章任何位置（包括圖片）不含有微信、微博、博客、電話號碼、郵件地址、公眾號、QQ、二維碼等推廣信息及廣告性質(zhì)外鏈； 6、請勿密集投稿，請勿舊文重投，一天之內(nèi)最多收錄同一作者一篇文章； 7、優(yōu)秀文章有機(jī)會收錄心理專題月刊篩選池http://m.itdecent.cn/c/73e9373dfdd4 并獲社群內(nèi)推薦。 具體投稿須知，請點擊：http://m.itdecent.cn/p/fc419451e261
-
本專題招募管理員，有意向請簡信私聊，謝謝！ 用來分享機(jī)器學(xué)習(xí)，深度學(xué)習(xí)，神經(jīng)網(wǎng)絡(luò)，計算機(jī)視覺等領(lǐng)域的一些技術(shù)。 Machine Learning 學(xué)習(xí)資料：http://m.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://m.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://m.itdecent.cn/p/6752a8845d01 8. [知乎“機(jī)器學(xué)習(xí)”專欄]： https://www.zhihu.com/collection/108812637 9. [How do Convolutional Neural Networks work?] http://m.itdecent.cn/p/fe428f0b32c1 …… 希望大家可以相互交流，相互學(xué)習(xí)！
-
職業(yè)：我不是郵遞員<br><br>我已加入“維權(quán)騎士”(rightknights.com)的版權(quán)保護(hù)計劃，轉(zhuǎn)載請簡信或者點擊<a href="https://links.jianshu.com/go?to=https%3A%2F%2Frightknights.com%2Fmaterial%2Fauthor%3Fid%3D45768" target="_blank">https://rightknights.com/material/author?id=45768</a>。
