ITPub博客

2019年上半年收集到的人工智能LSTM干货文章   门控神经网络：LSTM 和 GRU 简要说明LSTM-CNN-Attention算法系列之一：LSTM提取时间特征对时间序列分类的LSTM全卷积网络的见解  2019-06-24 写于苏州市。  

2019年上半年收集到的人工智能深度学习方向干货文章 随机森林VS神经网络：哪个更好？ 深度学习--感知机讲解 深度学习NN、CNN、RNN、和DNN你了解吗？手工计算深度学习模型中的参数数量使用神经网络生成抽象随机艺术如何优化深度学习模型形象理解深度学习中八大类型卷积「AI初识境」深度学习中常用的损失函数有哪些？「AI初识境」给深度学习新手做项目的10个建议「AI初

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算法工程师必须要知道的8种常用算法思想最萌算法学习来啦，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

https://www.toutiao.com/a6706011457173062148/ 2019-06-24 16:29:23机器之心发布来源：百度飞桨PaddleNLP 是基于飞桨（PaddlePaddle）开发的工业级中文 NLP 开源工具与预训练模型集，将自然语言处理领域的多种模型用一套共享骨架代码实现，可大大减少开发者在开发过程中的重复工作。PaddleNLP 提供依托于百度百亿级大数

https://www.toutiao.com/a6706015751297303054/ 选自offconvex.org作者：Sanjeev Arora机器之心编译参与：韩放、shooting普林斯顿计算机科学教授 Sanjeev Arora 认为，常规的优化观点只关注目标的价值和收敛的速度，而这对于日益重要的深度学习来说是远远不够的。深度学习算法有一些重要的特性并不总是反映在目标值中。所以，要

https://www.toutiao.com/a6705383097346589198/  2019-06-22 23:52:29大家好，今天我们学习【机器学习速成】之 稀疏性正则化：L1正则化。我们 马上学三点 ，稀疏特征的组合问题L1正则化L1和L2正则化区别大家可以点击下面的“ 了解更多 ”，或搜索“ 马上学123 ”，

https://www.toutiao.com/a6705361168099181064/  2019-06-22 22:25:56什么是范数？我们知道距离的定义是一个宽泛的概念，只要满足非负、自反、三角不等式就可以称之为距离。范数是一种强化了的距离概念，它在定义上比距离多了一条数乘的运算法则。有时候为了便于理解，我们可以把范数当作距离来理解。在数学上，范数包括向量范数和矩阵范数，向量范

https://www.toutiao.com/a6706035719103578631/ 在这篇文章中，作者将描述17年在机器学习领域中发生了什么有趣的重大 发展,主要是深度学习领域。在17年中发生了很多事情，在作者停下来进行回顾的时候，他发现了这些发展的成就是非常壮观的，下面让我们来在作者的带领下认识一下17年在深度学习中发展的领域的状况，这篇文章很可能会影响我们在数据科学领域未来的发展。1.

https://www.cn-healthcare.com/articlewm/20190621/content-1064445.html 谨慎利用机器学习有助于促进患者与医生之间的关系。2013年，IBM向德克萨斯大学MD安德森癌症中心提供了一个大胆的想法——建立一个基于人工智能的平台，IBM Watson，该平台可以借助数字化来对抗人类最可恶的疾病之一——癌症。但在不到4年的时间里，这个开创性

https://www.toutiao.com/a6705743599167865347/本文主要包含的目录如下：一、简介二、错误数据和缺失值三、特征的种类四、特征工程技巧4.1、分箱（Binning）4.2、独热编码（One-Hot Encoding）4.3、特征哈希（Hashing Trick）4.4、嵌套法（Embedding）4.5、取对数（Log Transformation）4.6、特

2019年上半年收集到的人工智能AutoML干货文章  自动机器学习简述（AutoML）   谷歌将AutoML应用于Transformer架构，翻译结果飙升，已开源  IBM推出AutoAI，让企业人工智能模型开发自动化  破解自动机器学习的黑匣子    2019-06-23 写于苏州市 &nbs

2019年上半年收集到的人工智能GAN干货文章 GAN简介及其常见应用训练GAN，你应该知道的二三事 了解生成对抗网络（GAN）CosmoGAN：训练GAN，让AI寻找宇宙中的暗物质关于GAN的七个问题：谷歌大脑工程师带你梳理生成对抗网络Ian GoodFellow最新演讲：对抗机器学习的进展与挑战GANs和ODEs：数学建模的终结？了解GAN背后的设计，训练，损失函数和算法G

2019年上半年收集到的人工智能Python编程干货文章  一文了解Python深拷贝与浅拷贝问题Python广度优先查找和深度优先查找（内附python教程分享）Python基础之函数2 （参数的返回值）Python-高阶函数Python基础（7）——for循环Python 的面向对象Python中的张量分解python 结巴分词学习python-回调函数和递归函数pytho

2019年上半年收集到的人工智能集成学习干货文章机器学习-集成学习集成学习——Adaboost分类  2019-06-23 写于苏州市。  

2019年上半年收集到的人工智能卷积神经网络干货文章   了解CNN这一篇就够了——关于卷积神经网络的介绍 关于卷积的6个基本知识一文读懂深度学习中的各种卷积CNN卷积神经网络的三种基本模式（不懂的话还得多努力啊！）CNN，GAN，AE和VAE概述理解卷积神经网络？看这篇论文就够了深度卷积神经网络的高级主题卷积神经网络的特征是如何学习的？教你如何运用可视化理

2019年上半年收集到的人工智能迁移学习干货文章  迁移学习全面指南：概念、项目实战、优势、挑战迁移学习：该做的和不该做的事深度学习不得不会的迁移学习Transfer Learning谷歌最新的PlaNet对强化学习以及迁移学习的意义及启发迁移学习时间序列分类如何提高强化学习的可靠性？迁移学习之最大分类器差异的无监督域适应吴恩达深度学习笔记(67)-迁移学习（Transfer

2019年上半年收集到的人工智能强化学习干货文章 从0到1-强化学习篇关于人工智能中强化学习的扫盲强化学习简介深度强化学习探索强化学习算法背后的思想起源！强化学习基础什么是强化学习？强化学习之父：它是人工智能的未来机器学习之强化学习概览强化学习：如何处理大规模离散动作空间 2018年强化学习领域十篇重要论文（附源码）『干货』深度强化学习与自适应在线学习的阿里实践我在谷歌大脑工作

2019年上半年收集到的人工智能图神经网络干货文章  「AI初识境」从头理解神经网络-内行与外行的分水岭人工智能中“图神经网络GNN”如何理解？（附斯坦福综述）清华大学图神经网络综述：模型与应用掌握图神经网络GNN基本，看这篇文章就够了深度学习已入末路，AI未来是图网络 阿里达摩院：超大规模图神经网络系统将赋予机器常识使用图神经网络做基于会话的推荐超越标准 GNN ！

2019年上半年收集到的人工智能循环神经网络干货文章 机器学习：循环神经网络知识要点循环神经网络使用RNNs进行机器翻译——介绍RNN和LSTM网络及其应用RNN神经网络模型综述吴恩达深度学习笔记(114)-RNN梯度消失问题详解精讲深度学习RNN三大核心点，三分钟掌握循环神经网络吴恩达深度学习笔记(109)-循环神经网络模型（RNN介绍）机器学习Basics-第十一期-循环神经网络RN

https://www.toutiao.com/a6705933299610550787/ 作者 | Nandita Dwivedi译者 | 风车云马责编 | Jane出品 | AI 科技大本营（id：rgznai100）【导读】你能利用现有的 Spark 集群构建深度学习模型吗？如何分析存储在 HDFS、Hive 和 HBase 中 tb 级的数据吗？企业想用深度学习模型，可是要考虑的问题又很多