栏目简介:人工智能的发展离不开机器学习(machine learning)技术,目前机器学习尤其是深度学习,几乎代表了人工智能领域的技术。机器学习涉及到很多算法,比如决策树、贝叶斯学习、神经网络、遗传算法等,这些机器学习算法的发展与突破对人工智能领域的发展有着非常重要的作用。
[2018-01-13] 近日,《Science》发表了麻省理工学院数字经济倡导行动主任Erik Brynjolfsson和卡内基梅隆大学计算机科学学院机器学习系主任Tom Mitchell的文章,他们从机器学习和经济学角度分析了人类会不会“被...
[2018-01-13] 这篇文章的目的就是列举并描述Python可用的最有用的机器学习工具和库。这个列表中,我们不要求这些库是用Python写的,只要有Python接口就够了。...
[2018-01-13] 本文推荐15个机器学习课程和行业领先大牛的教程。其中大多数课程都是免费的,无需注册即可自学。内容包括决策树、朴素贝叶斯、逻辑回归、神经网络和深度学习、估计、贝叶斯学习、支持...
[2018-01-13] 本文是斯坦福大学机器学习课程的2-2,2-3,2-4的学习笔记,主要是内容是成本函数以及成本函数的意义。如下图所示,在房价预测的案例中,我们得到了预测房价的目标函数...
[2018-01-12] NIPS,全称神经信息处理系统大会(Conference and Workshop on Neural Information Processing Systems),是一个关于机器学习和计算神经科学的国际会议。该会议固定在每年的12月举行...
[2018-01-12] 分析了手写字数据集分类的原理,利用神经网络模型,编写了SGD算法的代码,分多个epochs,每个 epoch 又对 mini_batch 样本做多次迭代计算。这其中,非常重要的一个步骤,便是利用反向传播(BP)...
[2018-01-12] 拿下NIPS2017 最佳论文,登上Science,“冷扑大师”最近有点热。18日,两位作者,CMU博士生Noam Brown和Tuomas Sandholm教授在Reddit上回答问题。对“为什么不使用深度学习”、“AlphaZero会打败Libratus吗...
[2018-01-13] 机器学习的有监督问题,通常可以分为两步走:模型建立(比如线性回归时选用线性模型),根据目标函数求出参数(比如球出线性回归的参数)。对于XGBoost,也是做有监督任务了,也可以按...
[2018-01-13] 机器学习算法的分类是棘手的,有几种合理的分类,他们可以分为生成 识别,参数 非参数,监督 无监督等。例如,Scikit-Learn的文档页面通过学习机制对算法进行分组。这产生类别如:1,广义...
[2018-01-13] 作为英国最热门的创业公司之一,Graphcore专注于加速复杂机器学习模型的训练以及推断过程。他们正在开发人工智能芯片,以降低企业数据中心和云端使用AI应用程序的成本,并将性能提高达到...