map[author:Siraj Raval text:在这段视频中,我们使用scikit学习库,用40行Python代码写了一个苹果股票预测脚本,并使用matplotlib库绘制图表。 这是关于学习代码的视频,而不是赚钱。选择股票市场作为主题只是一种工具,可以产生对视频真实主题的兴趣:编码思想。我不明白人们在这篇评论部分中是如此愤怒的。如果这张海报或任何人用40行代码赚到了真正的金钱......你们没有人会在这里发表争论,你们就会在YT视频中找到40行代码赚钱。股票市场只是这个想法的框架。 video_code:<video controls="" src="https://files.quantinfo.com/quant.la/%E5%8D%95%E7%8B%AC%E4%B8%80%E9%9B%86/%E9%A2%84%E6%B5%8B%E8%82%A1%E7%A5%A8%E4%BB%B7%E6%A0%BC%20-%20%E5%AD%A6%E4%B9%A0%E6%95%B0%E6%8D%AE%E7%A7%91%E5%AD%A6%E7%9A%84Python%204.mp4" width="100%" height="720"></video> nickname:<nil> title:预测股票价格-使用python做数据分析 seo_title:预测股票价格-使用python做数据分析 sub_class:53 user_id:376 praise:1 createtime:2019-01-09 15:21:56 top:0 id:204 class:0 size: create_time:2019-01-09 15:21:56 source: cover:20190109/1547018515561494965_622x300.jpeg length:0 collect:2 view:347 display:1 modify_time:2019-01-09 15:21:56 name:机器学习 tags: <a href="/Video/Tags/PYTHON">PYTHON</a> <a href="/Video/Tags/数据分析">数据分析</a> <a href="/Video/Tags/股票市场">股票市场</a> attachment:https://files.quantinfo.com/quant.la/%E5%8D%95%E7%8B%AC%E4%B8%80%E9%9B%86/%E9%A2%84%E6%B5%8B%E8%82%A1%E7%A5%A8%E4%BB%B7%E6%A0%BC%20-%20%E5%AD%A6%E4%B9%A0%E6%95%B0%E6%8D%AE%E7%A7%91%E5%AD%A6%E7%9A%84Python%204.mp4 is_series:0 SeriesCount:0 comment:1]
map[title:5分钟搞定TensorFlow source: length:0 attachment:https://files.quantinfo.com/quant.la/%E5%8D%95%E7%8B%AC%E4%B8%80%E9%9B%86/TensorFlow%E5%9C%A85%E5%88%86%E9%92%9F%E5%86%85%EF%BC%88%E6%95%99%E7%A8%8B%EF%BC%89.mp4 user_id:376 cover:20190109/1547016789654033082_622x300.jpeg praise:0 createtime:2019-01-09 14:55:01 display:1 create_time:2019-01-09 14:55:01 comment:1 seo_title:5分钟搞定TensorFlow collect:0 author:Siraj Raval class:0 text:5分钟搞定TensorFlow;该视频是关于如何使用40行(不包括空格和注释)Python代码构建一个手写数字图像分类器。我们将使用流行的TensorFlow做到这一点。 top:0 is_series:0 SeriesCount:0 nickname:<nil> id:202 sub_class:53 view:284 video_code:<video controls="" src="https://files.quantinfo.com/quant.la/%E5%8D%95%E7%8B%AC%E4%B8%80%E9%9B%86/TensorFlow%E5%9C%A85%E5%88%86%E9%92%9F%E5%86%85%EF%BC%88%E6%95%99%E7%A8%8B%EF%BC%89.mp4" width="100%" height="720"></video> modify_time:2019-01-09 14:55:01 tags: <a href="/Video/Tags/人工智能">人工智能</a> <a href="/Video/Tags/TensorFlow">TensorFlow</a> size: name:机器学习]
map[id:189 length:0 create_time:2019-01-05 15:40:12 cover:20190105/1546673967627874023_622x300.png attachment:https://files.quantinfo.com/quant.la/%E5%8D%95%E7%8B%AC%E4%B8%80%E9%9B%86/%5B%E7%88%AC%E8%99%AB%E5%AE%9E%E6%88%98%5D%E5%A6%82%E4%BD%95%E4%BD%BF%E7%94%A8Python%20Pandas%E5%88%86%E6%9E%90%E6%AF%94%E7%89%B9%E5%B8%81%E6%9C%80%E4%BD%B3%E4%B9%B0%E7%82%B9.mp4 user_id:376 SeriesCount:0 createtime:2019-01-05 15:40:12 view:388 text:比特币(Bitcoin)与以太币(Ethereum)大涨的故事,似乎在投资界升起一股虚拟货币投资浪潮,但看着日益上涨的的比特币,你是不是会担心高点到了,始终买不下手,迟迟无法进场?这时我们可以利用Python网路爬虫加上Python Pandas的数据分析功能,协助你找出比特币的趋势线与移动平均线,让你可以用传统的均线理论,趋吉避凶,找出最适当的买点!当然,老话一句,投资有赚有赔,投资前请详阅公开说明书XD; name:机器学习 tags: <a href="/Video/Tags/PYTHON">PYTHON</a> <a href="/Video/Tags/Pandas分析">Pandas分析</a> <a href="/Video/Tags/分析比特币">分析比特币</a> <a href="/Video/Tags/比特币最佳买点">比特币最佳买点</a> title:如何使用Python Pandas分析比特币最佳买点 author:爬虫实战 source: class:0 video_code:<video controls="" src="https://files.quantinfo.com/quant.la/%E5%8D%95%E7%8B%AC%E4%B8%80%E9%9B%86/%5B%E7%88%AC%E8%99%AB%E5%AE%9E%E6%88%98%5D%E5%A6%82%E4%BD%95%E4%BD%BF%E7%94%A8Python%20Pandas%E5%88%86%E6%9E%90%E6%AF%94%E7%89%B9%E5%B8%81%E6%9C%80%E4%BD%B3%E4%B9%B0%E7%82%B9.mp4" width="100%" height="720"></video> is_series:0 sub_class:53 size: praise:0 comment:0 top:0 modify_time:2019-01-05 15:40:12 collect:0 seo_title:如何使用Python-Pandas分析比特币最佳买点 display:1 nickname:<nil>]
map[class:0 size: tags: <a href="/Video/Tags/KDJ钝化">KDJ钝化</a> <a href="/Video/Tags/K线组合">K线组合</a> <a href="/Video/Tags/KDJ指标">KDJ指标</a> source: text:很多股民之所以在股市里赚不到钱,原因是不了解庄家的洗盘和震仓手法。这些股民虽然曾经都捉过大黑马,但却几乎没有能够一直骑到最后不放的,这可能与他们太注重技术分析有关。庄家迷惑散户的手法很多,而KDJ指标的严重超卖,便是他们的杰作之一。 createtime:2019-01-02 10:24:17 praise:0 comment:0 id:176 seo_title:江南私募——K线组合与KDJ钝化买入法 length:0 video_code:<video controls="" src="https://files.quantinfo.com/quant.la/%E5%8D%95%E7%8B%AC%E4%B8%80%E9%9B%86/%E6%B1%9F%E5%8D%97%E7%A7%81%E5%8B%9F%E2%80%94%E2%80%94K%E7%BA%BF%E7%BB%84%E5%90%88%E4%B8%8EKDJ%E9%92%9D%E5%8C%96%E4%B9%B0%E5%85%A5%E6%B3%95.mp4" width="100%" height="720"></video> display:1 SeriesCount:0 top:0 create_time:2019-01-02 10:24:17 is_series:0 cover:20190102/1546396031670643562_622x300.jpeg user_id:376 name:机器学习 attachment:https://files.quantinfo.com/quant.la/%E5%8D%95%E7%8B%AC%E4%B8%80%E9%9B%86/%E6%B1%9F%E5%8D%97%E7%A7%81%E5%8B%9F%E2%80%94%E2%80%94K%E7%BA%BF%E7%BB%84%E5%90%88%E4%B8%8EKDJ%E9%92%9D%E5%8C%96%E4%B9%B0%E5%85%A5%E6%B3%95.mp4 modify_time:2019-01-02 10:27:15 collect:0 title:江南私募——K线组合与KDJ钝化买入法 author: sub_class:53 view:327 nickname:<nil>]
map[author:王紫楓 nickname:<nil> create_time:2018-12-29 09:04:03 SeriesCount:0 createtime:2018-12-29 09:04:03 view:338 attachment:https://files.quantinfo.com/quant.la/%E5%8D%95%E7%8B%AC%E4%B8%80%E9%9B%86/%E4%B8%80%E5%A4%A9%E6%90%9E%E6%87%82%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0--%E5%AD%A6%E4%B9%A0%E5%BF%83%E5%BE%97.mp4 size: top:0 user_id:376 title:一天搞懂深度学习--学习心得 seo_title:一天搞懂深度学习--学习心得 video_code:<video controls="" src="https://files.quantinfo.com/quant.la/%E5%8D%95%E7%8B%AC%E4%B8%80%E9%9B%86/%E4%B8%80%E5%A4%A9%E6%90%9E%E6%87%82%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0--%E5%AD%A6%E4%B9%A0%E5%BF%83%E5%BE%97.mp4" width="100%" height="720"></video> id:173 length:0 praise:1 tags: <a href="/Video/Tags/李宏毅">李宏毅</a> <a href="/Video/Tags/深度学习">深度学习</a> <a href="/Video/Tags/了解DeepLearning">了解DeepLearning</a> <a href="/Video/Tags/学习心得">学习心得</a> class:0 display:1 name:机器学习 text:1.par*weight -&gt;加上bias -&gt;通过激活函数(activation function)-&gt;使得参数o(斯塔)最优化-&gt;在测试集中做出预测 2.learning target    loss   与target的偏差    total loss 3.如何学习    梯度下降法  不断修正o        首先随便找一点,根据曲线的斜率,逐渐向最低处(最优解)的地方走  ps:只能找到局部最优解        caffe之类的软件可以帮助算斜率之类 得到以上的过程 4.应用   图形辨识 垃圾信息过滤 分类文件 5.why DeepLearning?    计算的层数越多,错误率越低,但是不可能不断加大计算的层数 于是    modularization  先找最明显的特征 之后的每一层再以上一层为module去build classfier    each basic classifier can have sufficient training examples. comment:1 cover:20181229/1546045330493609550_622x300.png is_series:0 collect:2 source: sub_class:53 modify_time:2018-12-29 09:04:03]
map[id:171 cover:20181229/1546044719330203885_622x300.jpeg user_id:376 is_series:0 comment:1 attachment:https://files.quantinfo.com/quant.la/%E5%8D%95%E7%8B%AC%E4%B8%80%E9%9B%86/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%EF%BC%8C%E4%BB%80%E4%B9%88%E6%98%AF%E6%A2%AF%E5%BA%A6%E4%B8%8B%E9%99%8D.mp4 top:0 name:机器学习 createtime:2018-12-29 08:53:44 text:梯度下降是迭代法的一种,可以用于求解最小二乘问题(线性和非线性都可以)。在求解机器学习算法的模型参数,即无约束优化问题时,梯度下降(Gradient Descent)是最常采用的方法之一,另一种常用的方法是最小二乘法。在求解损失函数的最小值时,可以通过梯度下降法来一步步的迭代求解,得到最小化的损失函数和模型参数值。反过来,如果我们需要求解损失函数的最大值,这时就需要用梯度上升法来迭代了。在机器学习中,基于基本的梯度下降法发展了两种梯度下降方法,分别为随机梯度下降法和批量梯度下降法。 praise:0 sub_class:53 modify_time:2018-12-29 08:54:27 SeriesCount:0 nickname:<nil> seo_title:机器学习,什么是梯度下降 author: length:0 video_code:<video controls="" src="https://files.quantinfo.com/quant.la/%E5%8D%95%E7%8B%AC%E4%B8%80%E9%9B%86/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%EF%BC%8C%E4%BB%80%E4%B9%88%E6%98%AF%E6%A2%AF%E5%BA%A6%E4%B8%8B%E9%99%8D.mp4" width="100%" height="720"></video> collect:1 create_time:2018-12-29 08:53:44 title:机器学习,什么是梯度下降 source: view:280 size: display:1 class:0 tags: <a href="/Video/Tags/梯度下降原理">梯度下降原理</a> <a href="/Video/Tags/梯度下降">梯度下降</a>]
map[modify_time:2018-12-28 16:15:40 author: view:1337 video_code: name:机器学习 SeriesCount:10 tags: <a href="/Video/Tags/机器学习">机器学习</a> <a href="/Video/Tags/TensorFlow">TensorFlow</a> <a href="/Video/Tags/Python语句">Python语句</a> <a href="/Video/Tags/决策树">决策树</a> source: collect:1 title:机器学习讲座 is_series:1 comment:0 display:1 class:0 sub_class:53 length:0 top:0 id:169 attachment: nickname:<nil> createtime:2018-12-28 16:15:40 seo_title:机器学习讲座 size: user_id:376 praise:0 cover:20181228/1545984870607487019_622x300.jpeg create_time:2018-12-28 16:15:40 text:只用六行Python语句,就可以编写你人生第一个机器学习的程序!我们将在本集简要介绍什么是机器学习,为何它如此重要。然后,我们将使用监督式学习方法(即一种利用范例创建分类器的机器学习方法)进行编程。]
map[comment:2 title:深度学习入门—如何做出预测 size: is_series:0 id:158 top:0 tags: <a href="/Video/Tags/机器学习">机器学习</a> <a href="/Video/Tags/深度学习">深度学习</a> <a href="/Video/Tags/入门">入门</a> <a href="/Video/Tags/预测">预测</a> create_time:2018-12-04 17:11:26 nickname:<nil> praise:11 sub_class:53 view:370 createtime:2018-12-04 17:11:26 source: author:Siraj length:0 display:1 user_id:376 modify_time:2018-12-28 14:30:58 collect:12 class:0 text:关于深度学习,网上的资料很多,不过貌似大部分都不太适合初学者。 带你入门深度学习如何做出预测; 本课程的唯一条件是了解量子力学,只是开个玩笑,其实这个课程只需要基本的Python语法。我们将了解我们的学习历程,通过构建一个全能的AI,从预测特斯拉股票的价格到绘制出杰出的超现实主义作品。 video_code:<video controls="" src="https://files.quantinfo.com/quant.la/%E5%8D%95%E7%8B%AC%E4%B8%80%E9%9B%86/%E3%80%90Siraj%E3%80%91%20%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E5%85%A5%E9%97%A8%20%E5%A6%82%E4%BD%95%E5%81%9A%E5%87%BA%E9%A2%84%E6%B5%8B%5D.mp4" width="100%" height="720"></video> cover:20181204/1543914365454601503_622x300.jpeg attachment:https://files.quantinfo.com/quant.la/%E5%8D%95%E7%8B%AC%E4%B8%80%E9%9B%86/%E3%80%90Siraj%E3%80%91%20%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E5%85%A5%E9%97%A8%20%E5%A6%82%E4%BD%95%E5%81%9A%E5%87%BA%E9%A2%84%E6%B5%8B%5D.mp4 name:机器学习 seo_title:深度学习入门—如何做出预测 SeriesCount:0]
map[size: display:1 create_time:2018-11-30 10:16:24 id:156 sub_class:53 attachment:https://files.quantinfo.com/quant.la/%E5%8D%95%E7%8B%AC%E4%B8%80%E9%9B%86/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E4%B8%AD%E5%B8%B8%E8%A7%81%E7%9A%84%E6%95%B0%E5%AD%A6.mp4 text:数学在机器学习中非常重要,不论是在算法上理解模型代码,还是在工程上构建系统,数学都必不可少。通常离开学校后很难有机会静下心学习数学知识,因此我们最好能通过阅读小组或读书会等形式营造环境,并专注学习那些在实践中常常需要用到的数学知识。 在本视频中,作者将机器学习中的数学分成四大类——线性代数、概率论、微积分和统计学,并通过预测房价的实例介绍了线性回归与逻辑回归,以帮你了解这些数学知识在机器学习领域的运用情况。 video_code:<video controls="" src="https://files.quantinfo.com/quant.la/%E5%8D%95%E7%8B%AC%E4%B8%80%E9%9B%86/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E4%B8%AD%E5%B8%B8%E8%A7%81%E7%9A%84%E6%95%B0%E5%AD%A6.mp4" width="100%" height="720"></video> user_id:376 is_series:0 praise:12 source: seo_title:机器学习中常见的数学 author: cover:20181130/1543544180905902452_622x300.jpeg collect:9 comment:6 view:398 length:0 tags: <a href="/Video/Tags/机器学习">机器学习</a> <a href="/Video/Tags/线性代数">线性代数</a> <a href="/Video/Tags/AI">AI</a> title:机器学习中常见的数学 SeriesCount:0 createtime:2018-11-30 10:16:24 class:0 top:0 modify_time:2018-12-28 14:31:45 name:机器学习 nickname:<nil>]
map[video_code: top:0 SeriesCount:20 collect:4 seo_title:李宏毅深度学习(2015) author:李宏毅 cover:20180721/1532162820580948905_622x300.jpeg class:0 length:0 attachment: text:李宏毅深度学习(2015);本课程比较适合初学者,台湾李宏毅老师的深度学习趣味带入门课程,一口台湾腔特别逗,不夸张地说,是我看过最系统,也最通俗易懂的,关于深度学习的文章。想要提高深度学习的效率和收获比较好的结果,可以从以上五部分(其实只有四部分,Data Preprocessing没讲,可能涉及到数据归一化,PCA数据压缩等)入手,下面分别从每个部分入手,介绍一些常用于深度学习中的技巧。 nickname:宽客在线 tags: <a href="/Video/Tags/科学">科学</a> <a href="/Video/Tags/机器学习课程">机器学习课程</a> <a href="/Video/Tags/李宏毅">李宏毅</a> <a href="/Video/Tags/深度学习">深度学习</a> createtime:2018-07-21 16:41:31 title:李宏毅深度学习(2015) user_id:4 is_series:1 source: sub_class:53 size: id:99 display:1 modify_time:2019-01-02 15:12:29 praise:13 create_time:2018-07-21 16:41:31 comment:6 view:3493 name:机器学习]
map[cover:20180721/1532159117439199949_622x300.jpeg attachment: video_code: top:0 name:机器学习 view:2653 text:对于想入门机器学习的同学,很多时候都会觉得数学基础是一道坎,所以,本文将讲述机器学习中所涉及的数学基础。 数学是基石,算法是利器,编程是工具。三者对于机器学习都很重要。机器学习中大量的问题最终都可以归结为一个优化问题,而微积分、概率、线性代数和矩阵是优化的基础。所以,下面将以四个方面来叙述机器学习中的数学基础。 视频内容主要是以推导数学公式为主,都是从算法的物理意义出发,然后一步一步最终推导到最终的式子,LDA和PCA最终的表现都是解一个矩阵特征值的问题,但是理解了如何推导,才能更深刻的理解其中的含义。本次内容要求读者有一些基本的线性代数基础,比如说特征值、特征向量的概念,空间投影,点乘等的一些基本知识等。除此之外的其他公式、我都尽量讲得更简单清楚。 id:96 comment:5 seo_title:机器学习中的数学 source: sub_class:53 length:0 create_time:2018-07-21 15:40:59 SeriesCount:10 class:0 size: nickname:宽客在线 praise:14 tags: <a href="/Video/Tags/科学">科学</a> <a href="/Video/Tags/数学公式讲解">数学公式讲解</a> <a href="/Video/Tags/机器学习数学">机器学习数学</a> <a href="/Video/Tags/AI">AI</a> display:1 user_id:4 modify_time:2019-01-03 15:38:58 collect:8 title:机器学习中的数学 author: is_series:1 createtime:2018-07-21 15:40:59]
map[sub_class:53 top:0 tags: <a href="/Video/Tags/Python编程">Python编程</a> <a href="/Video/Tags/人工智能基础课程">人工智能基础课程</a> <a href="/Video/Tags/人工智能">人工智能</a> comment:5 id:90 attachment: modify_time:2018-11-26 12:18:29 title:基于Python的人工智能基础课程 source: cover:20180711/1531308762092175671_622x300.jpeg collect:6 nickname:宽客在线 class:53 length:0 size: seo_title:基于Python的人工智能基础课程 view:4736 display:1 is_series:1 name:机器学习 video_code: SeriesCount:30 user_id:4 praise:11 createtime:2018-07-11 19:33:06 author: text:适合无编程基础但想学Python的同学学习。本课程完全零基础入门;Python作为人工智能的主要研究语言,学会Python至关重要,本套专题就是解决同学们人工智能学习中Python语言的问题。 专题包括Numpy、Pandas以及Matplot的讲解。 这三个模块是人工智能研究中常用的模块。 create_time:2018-07-11 19:33:06]
map[cover:20180711/1531270742040926074_622x300.jpeg sub_class:53 view:2736 top:0 title:机器学习与量化交易项目班 modify_time:2019-01-03 15:45:06 praise:13 id:89 class:0 size: display:1 collect:8 comment:2 seo_title:机器学习与量化交易项目班 is_series:1 tags: <a href="/Video/Tags/量化教育视频">量化教育视频</a> <a href="/Video/Tags/机器学习与量化交易">机器学习与量化交易</a> <a href="/Video/Tags/量化交易构建">量化交易构建</a> author: text:课程介绍: 机器学习和程序化交易系统是目前量化交易的主流手段,这门课将会从零起步介绍量化交易的方方面面,并且手把手教你从零开始搭建一个能work、能run起来的事件驱动型的量化交易平台/自动交易系统,通过项目把相关知识点串起来,不但技能提升可更快,而且随着项目经验的增长,对于求职/跳槽涨薪也有极大的帮助。 课程目录: 1. 自动化交易综述 主要内容: 课程内容综述,自动化/算法交易介绍,python在自动交易中的应用简介 2. 量化交易系统综述 主要内容:回测,自动交易,策略建模,常见平台使用 3. 搭建自己的量化数据库 软件需求,数据获取方式,数据存储方式 mini-project-1: 金融数据的存储,读取 4. 用python进行金融数据分析 主要内容:数据清理与特征选择 mini-project-2: pandas与金融数据分析 5. 策略建模综述 主要内容:介绍量化交易中的策略建模流程及主要处理方式 6. 策略建模:基于机器学习的策略建模 mini-project-3: 基于机器学习的金融预测 7. 模型评估与风险控制 主要内容:模型评估的一般流程和常用手段、与风险控制的原理和实现方法 8. 自动交易系统的搭建 主要内容:基于事件驱动型的自动交易系统 Final-Project: 手把手教你搭建自动交易系统(有作业,课后直接赠送一套自动交易系统,可自行定制、修改) 9. 量化策略的实现 mini-project-4:将本学期的所有project融入到上节课的系统中去,尤其是将机器学习的策略模型与自动化交易系统耦合。 10. 策略优化与课程总结 主要内容:如何进行模型选择与优化,课程回顾与展望:where to go from here.. video_code: user_id:4 SeriesCount:10 nickname:宽客在线 source: length:0 name:机器学习 createtime:2018-07-11 08:59:02 attachment: create_time:2018-07-11 08:59:02]
map[view:3336 is_series:1 createtime:2018-07-10 17:32:00 title:斯坦福大学公开课 - 机器学习课程 attachment: size: display:1 collect:8 cover:20180710/1531215111245408133_622x300.jpeg nickname:宽客在线 comment:10 video_code: modify_time:2018-11-26 12:16:17 name:机器学习 id:87 seo_title:斯坦福大学公开课---机器学习课程 source:斯坦福大学 author:Andrew Ng length:0 tags: <a href="/Video/Tags/科学">科学</a> <a href="/Video/Tags/机器学习教育视频">机器学习教育视频</a> <a href="/Video/Tags/人工智能">人工智能</a> class:53 top:0 SeriesCount:20 sub_class:53 text:人工智能的发展到已经进入了一个瓶颈期。近年来各个研究方向都没有太大的突破。真正意义上人工智能的实现目前还没有任何曙光。但是,机器学习无疑是最有希望实现这个目标的方向之一。斯坦福大学的“Stanford Engineering Everywhere ”免费提供学校里最受欢迎的工科课程,给全世界的学生和教育工作者。得益于这个项目,我们有机会和全世界站在同一个数量级的知识起跑线上。 create_time:2018-07-10 17:32:00 user_id:4 praise:14]
map[id:86 class:0 length:0 size: title:机器学习概论 source: video_code: cover:20180710/1531212525080158655_622x300.jpeg create_time:2018-07-10 16:51:17 author: view:1102 top:0 tags: <a href="/Video/Tags/机器学习视频">机器学习视频</a> <a href="/Video/Tags/科学">科学</a> <a href="/Video/Tags/人工智能">人工智能</a> seo_title:机器学习概论 user_id:4 name:机器学习 collect:5 nickname:宽客在线 praise:12 createtime:2018-07-10 16:51:17 display:1 sub_class:53 attachment: is_series:1 comment:1 text:深度学习是一种特殊的机器学习(machine learning)方法,为了更好的理解深度学习,首先要对机器学习的主要内容有一个大致的了解。接下来的一些章节是机器学习的一些重要的方法。这样对于新手读者或者那些想要对机器学习有一个更加广阔了解的人来说基本都能全面覆盖。如果你对机器学习的基本方法比较了解可以略过这些内容。 我们先定义学习算法到底是什么,提出以下的例子:线性回归算法(Linear regression algorithm)。然后,我们会继续描述如何拟合训练数据发现其模式,把该模式推广到新的数据中。这其实就是学习的基本定义,能从训练数据中学到“知识”,然后把该“知识”应用到新的数据中。大部分机器学习算法需要学习的其实是模型的参数。为了得到该学习的模型一般是最小化一个代价函数,该函数需要求解的未知数就是模型的参数,而该模型的已知变量就是训练数据集。机器学习的本质是应用统计学习,统计训练数据的模型得到一系列的规律。 大部分的机器学习方法可划分成以下两种:监督学习(supervised learning)和无监督学习(unsupervised learning)。对于这两种分类,我也会给出一些学习算法的实例。大部分的机器学习(深度学习)问题都是通过随机梯度下降的方法解决的,随机梯度下降是一种优化算法,简单来说就是求解代价函数的方法。所以把机器学习可以看成是以下的几个组成:一个代价函数,一个模型,一个数据集和一种求解的算法。 modify_time:2019-01-03 15:48:36 SeriesCount:4]
map[view:556 video_code:<video controls="" src="https://files.quantinfo.com/quant.la/%E5%8D%95%E7%8B%AC%E4%B8%80%E9%9B%86/%2B%E7%94%A8%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E9%A2%84%E6%B5%8B%E8%99%9A%E6%8B%9F%E8%B4%A7%E5%B8%81%E4%BB%B7%E6%A0%BC.mp4" width="100%" height="720"></video> user_id:4 modify_time:2019-01-09 15:31:53 name:机器学习 collect:7 praise:15 sub_class:53 comment:7 cover:20180709/1531111196309527633_622x300.jpeg top:0 id:83 author: display:1 create_time:2018-07-09 12:40:53 size: length:0 attachment:https://files.quantinfo.com/quant.la/%E5%8D%95%E7%8B%AC%E4%B8%80%E9%9B%86/%2B%E7%94%A8%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E9%A2%84%E6%B5%8B%E8%99%9A%E6%8B%9F%E8%B4%A7%E5%B8%81%E4%BB%B7%E6%A0%BC.mp4 is_series:0 nickname:宽客在线 createtime:2018-07-09 12:40:53 class:0 tags: <a href="/Video/Tags/比特币">比特币</a> <a href="/Video/Tags/区块链教育视频">区块链教育视频</a> <a href="/Video/Tags/虚拟货币价格预测">虚拟货币价格预测</a> <a href="/Video/Tags/虚拟货币">虚拟货币</a> SeriesCount:0 seo_title:用深度学习预测虚拟货币价格 source: text:用深度学习预测虚拟货币价格 ,该项目用深度学习的方法预测比特币的走势,Siraj Raval 小哥也在视频里说了,这套模型还可以用来预测任何 Altcoin。看来现在的矿工们都应该学点机器学习了。如果选几个 2017 年最火的流行词,绝对有人工智能和虚拟货币。英国程序员 David Sheehan就被比特币这种颠覆性的技术以及过山车式的价格涨跌留下了深刻印象,虽然他自己一个币也没有,但还是想用机器学习技术预测一下比特币这种虚拟货币的价格。 title:用深度学习预测虚拟货币价格]
map[praise:11 text:Deep Learning是机器学习中一个非常接近AI的领域,其动机在于建立、模拟人脑进行分析学习的神经网络,最近研究了机器学习中一些深度学习的相关知识。 深度学习可以让那些拥有多个处理层的计算模型(神经网络架构)来学习具有多层次抽象的数据的表示我理解多层次就意味着数据可以按照抽象程度分解, 比如图像/语音/文本等这些都 可以看作是多层次抽象的数据DL能够发现大数据中的复杂结构, 它是利用BP算法完成这个发现过程的, BP算法指 导机器从前一层获取误差而改变本层的内部参数, 最终让目标的cost function最小化 collect:5 title:深度学习 - DeepSystems_ deep learning models review author:Deep Systems cover:20180703/1530613893797150596_622x300.jpeg length:0 attachment: comment:5 createtime:2018-07-03 18:31:40 source: user_id:4 SeriesCount:8 id:61 sub_class:53 nickname:宽客在线 class:0 modify_time:2019-01-09 15:41:49 name:机器学习 tags: <a href="/Video/Tags/人工智能">人工智能</a> <a href="/Video/Tags/AI">AI</a> <a href="/Video/Tags/深度学习">深度学习</a> <a href="/Video/Tags/区块链">区块链</a> size: display:1 create_time:2018-07-03 18:31:40 seo_title:深度学习---DeepSystems_-deep-learning-models-review view:2012 video_code: top:0 is_series:1]
map[cover:20180625/1529910471783606763_622x300.jpeg collect:4 author:邹博 create_time:2018-06-25 15:11:14 user_id:4 nickname:宽客在线 modify_time:2018-11-23 12:18:56 title:机器学习 - 升级版 IV class:53 view:4034 display:1 SeriesCount:24 comment:4 id:37 source:小象学院 sub_class:53 length:0 is_series:1 tags: <a href="/Video/Tags/EM算法">EM算法</a> <a href="/Video/Tags/HMM">HMM</a> <a href="/Video/Tags/回归实践">回归实践</a> <a href="/Video/Tags/实战学习">实战学习</a> seo_title:机器学习---升级版-IV attachment: text:增加网络爬虫的原理和编写,从获取数据开始,重视将实践问题转换成实际模型的能力,分享工作中的实际案例或Kaggle案例:广告销量分析、环境数据异常检测和分析、数字图像手写体识别、Titanic乘客存活率预测、用户-电影推荐、真实新闻组数据主题分析、中文分词、股票数据特征分析等。强化矩阵运算、概率论、数理统计的知识运用,掌握机器学习根本。阐述机器学习原理,提供配套源码和数据;确保“懂推导,会实现。删去过于晦涩的公式推导,代之以直观解释,增强感性理解。 video_code: top:0 name:机器学习 size: praise:8 createtime:2018-06-25 15:11:14]
Card image cap
预测股票价格-使用python做数据分析

在这段视频中,我们使用scikit学习库,用40行Python代码写了一个苹果股票预测脚本,并使用matplotlib库绘制图表。 这是关于学习代码的视频,而不是赚钱。选择股票市场作为主题只是一种工具,可以产生对视频真实主题的兴趣:编码思想。我不明白人们在这篇评论部分中是如此愤怒的。如果这张海报或任何人用40行代码赚到了真正的金钱......你们没有人会在这里发表争论,你们就会在YT视频中找到40行代码赚钱。股票市场只是这个想法的框架。

Card image cap
5分钟搞定TensorFlow

5分钟搞定TensorFlow;该视频是关于如何使用40行(不包括空格和注释)Python代码构建一个手写数字图像分类器。我们将使用流行的TensorFlow做到这一点。

Card image cap
如何使用Python Pandas分析比特币最佳买点

比特币(Bitcoin)与以太币(Ethereum)大涨的故事,似乎在投资界升起一股虚拟货币投资浪潮,但看着日益上涨的的比特币,你是不是会担心高点到了,始终买不下手,迟迟无法进场?这时我们可以利用Python网路爬虫加上Python Pandas的数据分析功能,协助你找出比特币的趋势线与移动平均线,让你可以用传统的均线理论,趋吉避凶,找出最适当的买点!当然,老话一句,投资有赚有赔,投资前请详阅公开说明书XD;

Card image cap
江南私募——K线组合与KDJ钝化买入法

很多股民之所以在股市里赚不到钱,原因是不了解庄家的洗盘和震仓手法。这些股民虽然曾经都捉过大黑马,但却几乎没有能够一直骑到最后不放的,这可能与他们太注重技术分析有关。庄家迷惑散户的手法很多,而KDJ指标的严重超卖,便是他们的杰作之一。

Card image cap
一天搞懂深度学习--学习心得

1.par*weight -&gt;加上bias -&gt;通过激活函数(activation function)-&gt;使得参数o(斯塔)最优化-&gt;在测试集中做出预测 2.learning target    loss   与target的偏差    total loss 3.如何学习    梯度下降法  不断修正o        首先随便找一点,根据曲线的斜率,逐渐向最低处(最优解)的地方走  ps:只能找到局部最优解   

Card image cap
机器学习,什么是梯度下降

梯度下降是迭代法的一种,可以用于求解最小二乘问题(线性和非线性都可以)。在求解机器学习算法的模型参数,即无约束优化问题时,梯度下降(Gradient Descent)是最常采用的方法之一,另一种常用的方法是最小二乘法。在求解损失函数的最小值时,可以通过梯度下降法来一步步的迭代求解,得到最小化的损失函数和模型参数值。反过来,如果我们需要求解损失函数的最大值,这时就需要用梯度上升法来迭代了。在机器学习中,基于基本的梯度下降法发展了两种梯度下

Card image cap
机器学习讲座

只用六行Python语句,就可以编写你人生第一个机器学习的程序!我们将在本集简要介绍什么是机器学习,为何它如此重要。然后,我们将使用监督式学习方法(即一种利用范例创建分类器的机器学习方法)进行编程。

Card image cap
深度学习入门—如何做出预测

关于深度学习,网上的资料很多,不过貌似大部分都不太适合初学者。 带你入门深度学习如何做出预测; 本课程的唯一条件是了解量子力学,只是开个玩笑,其实这个课程只需要基本的Python语法。我们将了解我们的学习历程,通过构建一个全能的AI,从预测特斯拉股票的价格到绘制出杰出的超现实主义作品。

Card image cap
机器学习中常见的数学

数学在机器学习中非常重要,不论是在算法上理解模型代码,还是在工程上构建系统,数学都必不可少。通常离开学校后很难有机会静下心学习数学知识,因此我们最好能通过阅读小组或读书会等形式营造环境,并专注学习那些在实践中常常需要用到的数学知识。 在本视频中,作者将机器学习中的数学分成四大类——线性代数、概率论、微积分和统计学,并通过预测房价的实例介绍了线性回归与逻辑回归,以帮你了解这些数学知识在机器学习领域的运用情况。

Card image cap
李宏毅深度学习(2015)

李宏毅深度学习(2015);本课程比较适合初学者,台湾李宏毅老师的深度学习趣味带入门课程,一口台湾腔特别逗,不夸张地说,是我看过最系统,也最通俗易懂的,关于深度学习的文章。想要提高深度学习的效率和收获比较好的结果,可以从以上五部分(其实只有四部分,Data Preprocessing没讲,可能涉及到数据归一化,PCA数据压缩等)入手,下面分别从每个部分入手,介绍一些常用于深度学习中的技巧。

Card image cap
机器学习中的数学

对于想入门机器学习的同学,很多时候都会觉得数学基础是一道坎,所以,本文将讲述机器学习中所涉及的数学基础。 数学是基石,算法是利器,编程是工具。三者对于机器学习都很重要。机器学习中大量的问题最终都可以归结为一个优化问题,而微积分、概率、线性代数和矩阵是优化的基础。所以,下面将以四个方面来叙述机器学习中的数学基础。 视频内容主要是以推导数学公式为主,都是从算法的物理意义出发,然后一步一步最终推导到最终的式子,LDA和PCA最终的表现都是解一

Card image cap
基于Python的人工智能基础课程

适合无编程基础但想学Python的同学学习。本课程完全零基础入门;Python作为人工智能的主要研究语言,学会Python至关重要,本套专题就是解决同学们人工智能学习中Python语言的问题。 专题包括Numpy、Pandas以及Matplot的讲解。 这三个模块是人工智能研究中常用的模块。

Card image cap
机器学习与量化交易项目班

课程介绍: 机器学习和程序化交易系统是目前量化交易的主流手段,这门课将会从零起步介绍量化交易的方方面面,并且手把手教你从零开始搭建一个能work、能run起来的事件驱动型的量化交易平台/自动交易系统,通过项目把相关知识点串起来,不但技能提升可更快,而且随着项目经验的增长,对于求职/跳槽涨薪也有极大的帮助。 课程目录: 1. 自动化交易综述 主要内容: 课程内容综述,自动化/算法交易介绍,python在自动交易中的应用简介 2. 量化交易

Card image cap
斯坦福大学公开课 - 机器学习课程

人工智能的发展到已经进入了一个瓶颈期。近年来各个研究方向都没有太大的突破。真正意义上人工智能的实现目前还没有任何曙光。但是,机器学习无疑是最有希望实现这个目标的方向之一。斯坦福大学的“Stanford Engineering Everywhere ”免费提供学校里最受欢迎的工科课程,给全世界的学生和教育工作者。得益于这个项目,我们有机会和全世界站在同一个数量级的知识起跑线上。

Card image cap
机器学习概论

深度学习是一种特殊的机器学习(machine learning)方法,为了更好的理解深度学习,首先要对机器学习的主要内容有一个大致的了解。接下来的一些章节是机器学习的一些重要的方法。这样对于新手读者或者那些想要对机器学习有一个更加广阔了解的人来说基本都能全面覆盖。如果你对机器学习的基本方法比较了解可以略过这些内容。 我们先定义学习算法到底是什么,提出以下的例子:线性回归算法(Linear regression algorithm)。然后

Card image cap
用深度学习预测虚拟货币价格

用深度学习预测虚拟货币价格 ,该项目用深度学习的方法预测比特币的走势,Siraj Raval 小哥也在视频里说了,这套模型还可以用来预测任何 Altcoin。看来现在的矿工们都应该学点机器学习了。如果选几个 2017 年最火的流行词,绝对有人工智能和虚拟货币。英国程序员 David Sheehan就被比特币这种颠覆性的技术以及过山车式的价格涨跌留下了深刻印象,虽然他自己一个币也没有,但还是想用机器学习技术预测一下比特币这种虚拟货币的价格

Card image cap
深度学习 - DeepSystems_ deep learning models review

Deep Learning是机器学习中一个非常接近AI的领域,其动机在于建立、模拟人脑进行分析学习的神经网络,最近研究了机器学习中一些深度学习的相关知识。 深度学习可以让那些拥有多个处理层的计算模型(神经网络架构)来学习具有多层次抽象的数据的表示我理解多层次就意味着数据可以按照抽象程度分解, 比如图像/语音/文本等这些都 可以看作是多层次抽象的数据DL能够发现大数据中的复杂结构, 它是利用BP算法完成这个发现过程的, BP算法指 导机器

Card image cap
机器学习 - 升级版 IV

增加网络爬虫的原理和编写,从获取数据开始,重视将实践问题转换成实际模型的能力,分享工作中的实际案例或Kaggle案例:广告销量分析、环境数据异常检测和分析、数字图像手写体识别、Titanic乘客存活率预测、用户-电影推荐、真实新闻组数据主题分析、中文分词、股票数据特征分析等。强化矩阵运算、概率论、数理统计的知识运用,掌握机器学习根本。阐述机器学习原理,提供配套源码和数据;确保“懂推导,会实现。删去过于晦涩的公式推导,代之以直观解释,增强

Copyright © 2017 宽客在线 京ICP备15046776号