- ML之SVM：SVM算法的简介、应用、经典案例之详细攻略 目录 SVM算法的简介 1、SVM模型分类—线性可分、线性、非线性 2、SVM的决策边界 3、SVM中的核函数 4、SVM算法推导 1.1、SVM转为对偶问题的求解—SMO算法思 5、SVM中“损失+惩罚”框架的灵活性 6、SVM的损失函数分析 SVM的应用——解决的问题类型 1、SV... ML之SVM：SVM算法的简介、应用、经典案例之详细攻略 目录 SVM算法的简介 1、SVM模型分类—线性可分、线性、非线性 2、SVM的决策边界 3、SVM中的核函数 4、SVM算法推导 1.1、SVM转为对偶问题的求解—SMO算法思 5、SVM中“损失+惩罚”框架的灵活性 6、SVM的损失函数分析 SVM的应用——解决的问题类型 1、SV...
- ML：互联网人工智能岗位求职之机器学习算法工程师必备知识框架结构 目录 机器学习算法工程师思维导图 机器学习算法工程师思维导图 后期继续更新…… 1、思维导图01 ML：互联网人工智能岗位求职之机器学习算法工程师必备知识框架结构 目录 机器学习算法工程师思维导图 机器学习算法工程师思维导图 后期继续更新…… 1、思维导图01
- NLP：自然语言处理技术的简介、发展历史、案例应用之详细攻略 目录 自然语言处理技术的简介 1、自然语言+处理 2、NLP技术的意义 3、NLP的两个方向——自然语言理解和自然语言生成 4、自然语言理解的五个层次 5、图灵试验判断计算机是否理解了某种自然语言 自然语言处理技术的发展历史 1、20世纪50年代到70年代——采用基于规则的方法 2、... NLP：自然语言处理技术的简介、发展历史、案例应用之详细攻略 目录 自然语言处理技术的简介 1、自然语言+处理 2、NLP技术的意义 3、NLP的两个方向——自然语言理解和自然语言生成 4、自然语言理解的五个层次 5、图灵试验判断计算机是否理解了某种自然语言 自然语言处理技术的发展历史 1、20世纪50年代到70年代——采用基于规则的方法 2、...
- AI：人工智能领域机器学习算法总结(持续更新)十一大类机器学习算法详细分类之详细攻略 目录 Machine Learning Algorithms 1、Decision Tree决策树相关 Cassification and Regression Tree (CART) ... AI：人工智能领域机器学习算法总结(持续更新)十一大类机器学习算法详细分类之详细攻略 目录 Machine Learning Algorithms 1、Decision Tree决策树相关 Cassification and Regression Tree (CART) ...
- AI：国内外人工智能产业应用图谱应用层/基础层详解 目录 国内外人工智能产业应用图谱 一、应用层 1、AI+医疗 2、AI+家居 3、AI+驾驶 4、AI+零售 5、AI+城市 6、AI+教育 二、基础层 1、算法：为不同应用场景建模和优化不同AI算法 (1... AI：国内外人工智能产业应用图谱应用层/基础层详解 目录 国内外人工智能产业应用图谱 一、应用层 1、AI+医疗 2、AI+家居 3、AI+驾驶 4、AI+零售 5、AI+城市 6、AI+教育 二、基础层 1、算法：为不同应用场景建模和优化不同AI算法 (1...
- CV之NS：图像风格迁移(Neural Style 图像风格变换)算法简介、过程思路、关键步骤配图、案例应用之详细攻略 目录 图像风格迁移算法简介 图像风格迁移算法过程思路 1、VGG对比NS 图像风格迁移算法关键步骤 1、根据VGG卷积层的特征还原出对应的原始图像 2、利用风格损失还原的图像 3、 原始图像风格迁移的原理 4、 快速图像风格迁移... CV之NS：图像风格迁移(Neural Style 图像风格变换)算法简介、过程思路、关键步骤配图、案例应用之详细攻略 目录 图像风格迁移算法简介 图像风格迁移算法过程思路 1、VGG对比NS 图像风格迁移算法关键步骤 1、根据VGG卷积层的特征还原出对应的原始图像 2、利用风格损失还原的图像 3、 原始图像风格迁移的原理 4、 快速图像风格迁移...
- CV之YOLO：深度学习之计算机视觉神经网络tiny-yolo-5clessses训练自己的数据集全程记录 目录 训练全部流程记录 训练全部流程记录 1、采用tiny-yolo-5clessses训练自己的数据集全部流程记录 视频请观看 深度学习之计算机视觉神经网络训练tiny-yolo-5clessses_500Y... CV之YOLO：深度学习之计算机视觉神经网络tiny-yolo-5clessses训练自己的数据集全程记录 目录 训练全部流程记录 训练全部流程记录 1、采用tiny-yolo-5clessses训练自己的数据集全部流程记录 视频请观看 深度学习之计算机视觉神经网络训练tiny-yolo-5clessses_500Y...
- 导读：人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。 如何快速了解人工智能学习地图？ 目录 &nbs... 导读：人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。 如何快速了解人工智能学习地图？ 目录 &nbs...
- ML岗位面试：上海某科技公司算法岗位(偏AI算法，国企)技术面试之BN层的认知、BP的推导、GD优化的几种改进等 导读：关于神经网络，问的比较深，因为博主做过总结，所以用自己的语言和案例解释的，回答的还算比较全吧。 BN层的认知 参考博主以前写的文章BN层结构详解—解决反向传播过程中的【梯度消失】与【梯度爆炸】B... ML岗位面试：上海某科技公司算法岗位(偏AI算法，国企)技术面试之BN层的认知、BP的推导、GD优化的几种改进等 导读：关于神经网络，问的比较深，因为博主做过总结，所以用自己的语言和案例解释的，回答的还算比较全吧。 BN层的认知 参考博主以前写的文章BN层结构详解—解决反向传播过程中的【梯度消失】与【梯度爆炸】B...
- ML之FE：数据处理—特征工程之稀疏特征的简介、如何处理、案例应用之详细攻略 目录 稀疏特征的简介 稀疏特征的如何处理 稀疏特征的案例应用 稀疏特征的简介 信号稀疏表示是过去近20年来信号处理界一个非常引人关注的研究领域，众多研究论文和专题研讨会表明了该领域的蓬勃发展。信号稀疏表示的目的就是在给定的超完备字典中用尽可能少的原... ML之FE：数据处理—特征工程之稀疏特征的简介、如何处理、案例应用之详细攻略 目录 稀疏特征的简介 稀疏特征的如何处理 稀疏特征的案例应用 稀疏特征的简介 信号稀疏表示是过去近20年来信号处理界一个非常引人关注的研究领域，众多研究论文和专题研讨会表明了该领域的蓬勃发展。信号稀疏表示的目的就是在给定的超完备字典中用尽可能少的原...
- DL之LSTM：tf.contrib.rnn.BasicLSTMCell(rnn_unit)函数的解读 目录 tf.contrib.rnn.BasicLSTMCell(rnn_unit)函数的解读 函数功能解读 函数代码实现 tf.contrib.rnn.BasicLSTMCell(rnn_unit)... DL之LSTM：tf.contrib.rnn.BasicLSTMCell(rnn_unit)函数的解读 目录 tf.contrib.rnn.BasicLSTMCell(rnn_unit)函数的解读 函数功能解读 函数代码实现 tf.contrib.rnn.BasicLSTMCell(rnn_unit)...
- Dataset之WebVision：WebVision数据集简介、下载、使用方法之详细攻略 目录 WebVision数据集简介 1、WebVision数据集挑战 WebVision数据集下载 WebVision数据集使用方法 WebVision数据集简介 WebVision数据集主要有Google和... Dataset之WebVision：WebVision数据集简介、下载、使用方法之详细攻略 目录 WebVision数据集简介 1、WebVision数据集挑战 WebVision数据集下载 WebVision数据集使用方法 WebVision数据集简介 WebVision数据集主要有Google和...
- EL之AdaBoost：集成学习之AdaBoost算法的简介、应用、经典案例之详细攻略 目录 AdaBoost算法的简介 1、理解AdaBoost算法 1.1、从前向逐步递增角度来看理解AdaBoost：要找到最优的f很难→每次递增。 1.2、前向逐步递增的损失函数—L2Boosting 2、AdaBoost M1算法证明过程 AdaBoost算法的经典案... EL之AdaBoost：集成学习之AdaBoost算法的简介、应用、经典案例之详细攻略 目录 AdaBoost算法的简介 1、理解AdaBoost算法 1.1、从前向逐步递增角度来看理解AdaBoost：要找到最优的f很难→每次递增。 1.2、前向逐步递增的损失函数—L2Boosting 2、AdaBoost M1算法证明过程 AdaBoost算法的经典案...
- DL之LSTM：基于tensorflow框架利用LSTM算法对气温数据集训练并回归预测 目录 输出结果 核心代码 输出结果 数据集 tensorboard可视化 iter: 0 loss: 0.010328549iter: 500 los... DL之LSTM：基于tensorflow框架利用LSTM算法对气温数据集训练并回归预测 目录 输出结果 核心代码 输出结果 数据集 tensorboard可视化 iter: 0 loss: 0.010328549iter: 500 los...
- CV之FD之HOG：图像检测之基于HOG算法、简介、代码实现(计算图像相似度)之详细攻略 图像检测之基于HOG算法、简介、代码实现(计算图像相似度)之详细攻略 相关文章：CV之FD之HOG：图像检测之基于HOG算法、简介、代码实现(计算图像相似度)之详细攻略 1、手写Hog特征提取算法 import numpy as n... CV之FD之HOG：图像检测之基于HOG算法、简介、代码实现(计算图像相似度)之详细攻略 图像检测之基于HOG算法、简介、代码实现(计算图像相似度)之详细攻略 相关文章：CV之FD之HOG：图像检测之基于HOG算法、简介、代码实现(计算图像相似度)之详细攻略 1、手写Hog特征提取算法 import numpy as n...
上滑加载中
推荐直播
-
华为云码道 × 仓颉编程：工程化AI编码探索2026/05/27 周三 19:00-21:00
刘俊杰-华为云仓颉语言专家/李炎-华为云码道技术专家/王智鹏-OpenCangjie开源社区发起人
本场直播围绕华为云仓颉语言与华为云码道的深度结合，展示华为云智能编程从零基础到高效落地的完整生态能力。以华为云码道为引擎，仓颉语言为载体，带给大家日常提效、趣味创新到极速量产的开发体验。
即将直播
热门标签