起风了

“路海长 青夜旷 越过群山追斜阳”

研究发现手写学习胜过使用电脑

2021/09/28 | 维修 | 评论(0) | 阅读(53)

　　现代的课堂上，学生普遍使用平板电脑、笔记本电脑学习，学生们握着笔写字的场景已经越来越少见了。一份新研究发现，其实比起打字、看视频的学习方法，通过手写的方法不仅学习的速度快得多，对知识掌握的水平也更高。 　　这份研究的负责人美国约翰斯·霍普金斯大学的认知科学教授拉普和同事威利合作，邀请...

你真的会学习吗？从结构化思维说起

2020/12/26 | 博客 | 评论(0) | 阅读(55)

简介：学习是我们从呱呱坠地开始就在进行的事，从简单的模仿，到系统的训练，学习对我们而言似乎已经习以为常。然而，我们真的学会学习了吗？学习的终极目标是什么？技术性学习思维又有什么不同？本文从结构化思维说起，分享学习如何学习的方法。 一 前言 试想，接手一个新的业务方向，业务方的诉求是要求...

00数据结构算法学习路径

2020/12/12 | 博客 | 评论(0) | 阅读(44)

1 学习路径 1 复杂度 排序算法 二分搜索 2 顺序表 链表 3 栈 队列 4 二叉树 5 哈希 与 大数据 6 图算法（广度深度） 7 堆、贪心算法 8 递归、动态规划 9 排列组合+概率 2 学习视频 1 学习路径 1 复杂度 排序算法 二分搜索 2 顺序表 链表 3 栈 队列 4 二叉树 5 哈希 与 大数据 6 图算法（广度深度） 7 堆...

机器学习课程总结

2020/12/12 | 博客 | 评论(0) | 阅读(83)

1结论 1.1总结和致谢 在这门课中 我们花了大量的时间 介绍了诸如线性回归 逻辑回归 神经网络 支持向量机 等等一些监督学习算法， 这类算法需要带标签的数据和样本 ，比如 x(i) y(i)。 然后我们也花了很多时间介绍无监督学习 ，例如 K-均值聚类 用于降维的主成分分析。 以及当你只有一系列无标签数据 x(i) 时...

人工智能工程师学习路线/自然语言处理算法工程师

2020/12/12 | 博客 | 评论(0) | 阅读(31)

人工智能工程师学习路线/自然语言处理算法工程师学习路径 人工智能工程师学习路线自然语言处理算法工程师学习路径 1入门级别 1 数据结构 2 算法重点 3python 2进阶阶段 1 机器学习算法 2深度学习算法 3深度学习框架 4 大数据计算框架 3高阶 1 强化学习 2 迁移学习 3自然语言处理 1入门级别 1.1...

coursera-斯坦福-机器学习-吴恩达-第10周笔记-使用大数据训练

2020/12/12 | 博客 | 评论(0) | 阅读(42)

coursera-斯坦福-机器学习-吴恩达-第10周笔记-使用大数据训练 coursera-斯坦福-机器学习-吴恩达-第10周笔记-使用大数据训练 大数据下的梯度下降 1 大数据 2 随机梯度下降 3 mini-batch梯度下降 4 随机梯度下降的收敛性 大数据的高级技巧 1在线学习 2 mapreduce 3quiz 1 大数据下的梯度下降 在接下...

coursera-斯坦福-机器学习-吴恩达-第6周笔记-算法改进and机器学习系统设计

2020/12/12 | 博客 | 评论(0) | 阅读(30)

coursera-斯坦福-机器学习-吴恩达-第6周笔记-算法改进and机器学习系统设计 coursera-斯坦福-机器学习-吴恩达-第6周笔记-算法改进and机器学习系统设计 1算法改进 1评价算法 11模型诊断 12模型选择validation 2偏置与方差 21诊断偏差与方差 22正则化方差与偏差 23学习曲线Learning Curves 24决定保留谁 ...

coursera-斯坦福-机器学习-吴恩达-第1周笔记

2020/12/12 | 博客 | 评论(0) | 阅读(47)

coursera-斯坦福-机器学习-吴恩达-第1周笔记 文章目录 coursera-斯坦福-机器学习-吴恩达-第1周笔记 0 前言 1 Introduction介绍-对应笔记lectur 1 Introduction介绍-对应笔记lecture1 1.1 机器学习应用 1.2 机器学习概念 1.3 机器学习分类 2 一个变量的线性回归 -对应lecture2 2.1 线性回归的表示 2....

机器学习scikit-learn入门教程

2020/12/12 | 博客 | 评论(0) | 阅读(42)

原文链接：http://scikit-learn.github.io/dev/tutorial/basic/tutorial.html 章节内容 在这个章节中，我们主要介绍关于scikit-learn机器学习词库，并且将给出一个学习样例。 机器学习：问题设置 通常，一个学习问题是通过一系列的n个样本数据来学习然后尝试预测未知数据的属性。如果每一个样本超过一个...

李航博士的《浅谈我对机器学习的理解》 机器学习与自然语言处理

2020/12/12 | 博客 | 评论(0) | 阅读(48)

　　算算时间，从开始到现在，做机器学习算法也将近八个月了。虽然还没有达到融会贯通的地步，但至少在熟悉了算法的流程后，我在算法的选择和创造能力上有了不小的提升。实话说，机器学习很难，非常难，要做到完全了解算法的流程、特点、实现方法，并在正确的数据面前选择正确的方法再进行优化得到最优效果...