ITPub博客

首页 > 人工智能 > 机器学习 > 2019年上半年收集到的人工智能机器学习方向干货文章

2019年上半年收集到的人工智能机器学习方向干货文章

原创 机器学习 作者:dicksonjyl560101 时间:2019-06-24 20:45:53 0 删除 编辑

2019 年上半年收集到的人工智能机器学习方向干货文章

 

10 种机器学习方法,掌握了就可以称霸朋友圈

人工智能常见算法简介

  机器学习中的最优化算法总结

最萌算法学习来啦,看不懂才怪!

The Next Step for ML 机器学习落地需攻破的9 个难题

人工智能的学习,需要学习哪些算法和数学知识呢?需要什么学历?

一文读懂机器学习项目的完整生命周期

80+ 机器学习数据集,还不快收藏

人工智能常见算法简介

目前最实用的机器学习算法,你认为是哪几种?

算法工程师必须要知道的8 种常用算法思想

机器学习算法工程师的自我修养

机器学习中的方法技术与应用场景

这可能是最简单易懂的机器学习入门

小白机器学习基础算法学习必经之路

手把手实战机器学习系列: 随机森林

2019 年度机器学习49 个顶级工程汇总

人工智能之机器学习算法体系汇总

力荐 50 个最实用的免费机器学习数据集

机器学习的12 大经验总结

干货 | 揭开对机器学习的七点误解

如何管理机器学习模型

【机器学习】【发展史】概览

机器深度学习的过程中盛传着7 个误解,我们来一一揭开

统计学和机器学习到底存在哪些联系和区别?

一文读懂自学机器学习的误区和陷阱(附学习资料)

机器学习基础-数据降维

机器学习中的数学基础(1 )——向量和范数

【机器学习知识体系】- 机器学习问题的一般流程

改进AI/ML部署的5种方法

随机变量,概率密度及其统计量

谈谈机器学习与传统编程之间的区别

机器学习中的数学基础(2 )——理解基、线性组合与向量空间

无监督学习:大数据带我们洞察现在,但小数据将带我们抵达未来

什么是无监督学习?概念、使用场景及常用算法详解

马尔科夫、最大熵、条件随机场

理解马尔可夫决策过程

马尔科夫链(Markov Chain ),机器学习和人工智能的基石

了解机器学习回归的3 种最常见的损失函数

机器学习 欧式距离及代码实现

机器学习之单变量线性回归

  线性代数投影法在线性回归中的应用

机器学习基础- 数据降维

机器学习- 贝叶斯分类器

机器学习——线性回归的原理,推导过程,源码,评价

干货 | 拒当调参师工程师:超参数搜索算法一览

机器学习(1 )特征选择与特征抽取

机器学习系列 5 :特征缩放

吴恩达的机器学习-- 矩阵运算

MIT 、浙大等打造AutoML 可视化工具:模型自选、超参数自调

机器学习系列 1 :监督学习和无监督学习

机器学习系列14 :偏差与方差

  清华刘洋基于深度学习的机器翻译突破知识整合、可解释和鲁棒性

批归一化和Dropout 不能共存?这篇研究说可以

算法工程师的必备学习资料,《AI 算法工程师手册》正式开源了

《百面机器学习》笔记- 特征工程相关面试题

  k-means 聚类算法原理与参数调优详解

高清图解:神经网络、机器学习、数据科学一网打尽| 附PDF

微软开源可解释机器学习工具包lnterpretML

苹果、微软等巨头107 道机器学习面试题

一文总览机器学习中各种【熵】的含义及本质

决策树剪枝策略

线性模型已退场,XGBoost 时代早已来

为基于树的机器学习模型构建更好的建模数据集的10 个小技巧!

机器不学习:浅显易懂!「高中数学」读懂梯度下降的数学原理

聚类分析算法

无监督机器学习中,最常见的聚类算法有哪些?

专栏 | 机器学习 - 最大似然估计

机器学习算法集锦:从贝叶斯到深度学习及各自优缺点

干货| 全面理解无监督学习基础知识

图解梯度下降背后的数学原理

  机器学习:特征选择和降维实例

基于经典的机器学习k-means 聚类算法实现对三通道图片的压缩操作

概率分布,先懂这6

机器学习| 最简单易懂的机器学习

2019 年11 个值得研究的Javascript 机器学习库

  过拟合、欠拟合与正则化

机器学习的流程是怎样的呢?如何应用到实践中去呢?

通过随机森林的例子解释特征重要性

机器学习可解释性工具箱XAI

一文了解机器学习中的交叉熵

人工智能科普|极大似然估计——机器学习重要知识点

理解马尔可夫决策过程

透彻理解高斯核函数背后的哲学思想与数学思想

  2019 年用于机器学习的50 个最佳公共数据集

  透彻理解半监督学习的重要思想及概率视角

  深入剖析机器学习中的统计思想

  利用随机森林来进行特征选择(Python 代码实现)

机器学习基础:理解梯度下降本质「附Python 代码」

干货|机器学习- 稀疏矩阵的处理

形象理解贝叶斯定理

机器学习实战第一步:特征选择与特征工程「附代码」

机器学习入门:一文让你快速了解机器学习

基于Kubernetes 的机器学习工作流

产品化机器学习的一些思考

「AI 科技」机器学习算法之K-means 算法原理及缺点改进思路

十分钟掌握多项式回归:非线性预测

深入理解支持向量机

 

分享一些阿里巴巴算法、数据工程师的笔试题以及答案

  揭秘人工智能面试内容:8 家国际巨头机器学习面试题目整理

这份GitHub 万星的机器学习算法面试大全请大家注意查收

 

 

2019-06-24 写于苏州市

 


来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/29829936/viewspace-2648610/,如需转载,请注明出处,否则将追究法律责任。

请登录后发表评论 登录
全部评论
行万里路,读万卷书,阅无数人。 吃货一枚,爱吃湘菜,川菜,粤菜与杭帮菜,尝遍天下美食。 摄影爱好者,游遍名川大山,江河胡海,赏遍人间春色。 爱看影,尤其是港片,好莱坞大片。英文名:DicksonJin, 网名:风一样的BOY。精通SAP供应链咨询。2017年开始研习人工智能。

注册时间:2014-08-27

  • 博文量
    1925
  • 访问量
    3102775