map[size: create_time:2019-01-12 09:25:31 modify_time:2019-01-12 09:25:31 collect:0 video_code:<video controls="" src="https://@files.quant.la/quant.la/%E5%8D%95%E7%8B%AC%E4%B8%80%E9%9B%86/%E9%87%8F%E5%AD%90%E8%AE%A1%E7%AE%97%EF%BC%8C%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E4%B8%8E%E5%8C%BA%E5%9D%97%E9%93%BE.mp4" width="100%" height="720"></video> class:0 length:0 title:科学家张首晟演讲:量子计算,人工智能与区块链 author:张首晟 sub_class:61 view:337 user_id:376 praise:0 tags: <a href="/Video/Tags/人工智能">人工智能</a> <a href="/Video/Tags/区块链">区块链</a> <a href="/Video/Tags/张首晟">张首晟</a> <a href="/Video/Tags/量子计算">量子计算</a> seo_title:科学家张首晟演讲:量子计算,人工智能与区块链 source: cover:20190112/1547256279308523686_622x400.jpeg attachment:https://@files.quant.la/quant.la/%E5%8D%95%E7%8B%AC%E4%B8%80%E9%9B%86/%E9%87%8F%E5%AD%90%E8%AE%A1%E7%AE%97%EF%BC%8C%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E4%B8%8E%E5%8C%BA%E5%9D%97%E9%93%BE.mp4 text:张首晟,美籍华裔物理学家,美国文理科学院院士,美国国家科学院院士、中国科学院外籍院士。现任斯坦福大学J.G. Jackson和C.J. Wood讲座教授,并创立丹华资本从事美国和中国前沿科技领域的投资。 以下为演讲全文: 谢谢各位前来。我非常开心来到谷歌,被Daya介绍同样无比的荣幸。在此之前,我们已经彼此交流了很久,今天我想跟你们分享一些个人的看法。 关于未来信息技术内容,包括:量子计算,AI人工智能、区块链。特别是这三者的联系。我相信目前学术界有很多学者已经在研究这几方面的内容,但有机会能来参加此次学术会议我还是相当兴奋,因为会议研究的主要内容是:三者的内在联系。 首先跟大家分享一个“古老的”科学新发现。 多科学问题都对应着深刻的哲学问题,我们存在于一个对立统一的世界中,这个世界中有正数,也有负数;有借款也有贷款;有阴也有阳;有好人也有坏人;天使也有魔鬼。在现实生活中同样也存在着对应的道理。 top:0 display:1 is_series:0 id:214 comment:2 name:区块链]
map[cover:20190109/1547016789654033082_622x400.jpeg sub_class:53 size: user_id:376 seo_title:5分钟搞定TensorFlow author:Siraj Raval length: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。 video_code:<video controls="" src="https://@files.quant.la/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> top:0 is_series:0 name:机器学习 praise:0 comment:1 class:0 attachment:https://@files.quant.la/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 modify_time:2019-01-09 14:55:01 collect:0 id:202 title:5分钟搞定TensorFlow source: view:189 display:1 create_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>]
map[is_series:1 modify_time:2018-11-26 12:18:29 collect:6 praise:11 class:53 view:3014 length:0 size: id:90 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> display:1 name:机器学习 comment:4 title:基于Python的人工智能基础课程 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。 top:0 attachment: video_code: create_time:2018-07-11 19:33:06 user_id:4 seo_title:基于Python的人工智能基础课程 source: cover:20180711/1531308762092175671_622x400.jpeg sub_class:53]
map[praise:14 id:87 class:53 length:0 user_id:4 is_series:1 modify_time:2018-11-26 12:16:17 seo_title:斯坦福大学公开课---机器学习课程 cover:20180710/1531215111245408133_622x400.jpeg view:2474 size: display:1 title:斯坦福大学公开课 - 机器学习课程 author:Andrew Ng attachment: 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。 video_code: top:0 comment:10 source:斯坦福大学 sub_class:53 create_time:2018-07-10 17:32:00 name:机器学习 collect:8 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>]
map[view:1043 attachment: size: create_time:2018-07-10 16:51:17 user_id:4 name:机器学习 collect:5 seo_title:机器学习概论 class:0 video_code: is_series:1 modify_time:2019-01-03 15:48:36 praise:12 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> source: author: length:0 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。 top:0 id:86 title:机器学习概论 cover:20180710/1531212525080158655_622x400.jpeg sub_class:53 display:1 comment:1]
map[sub_class:62 name:数据分析 collect:6 tags: <a href="/Video/Tags/数据降维技术">数据降维技术</a> <a href="/Video/Tags/人工智能">人工智能</a> <a href="/Video/Tags/降维技术">降维技术</a> title:机器学习——降维技术 author: class:0 size: top:0 user_id:4 modify_time:2019-01-09 15:29:32 comment:4 seo_title:机器学习——降维技术 length:0 video_code:<video controls="" src="https://files.quant.la/quant.la/%E5%8D%95%E7%8B%AC%E4%B8%80%E9%9B%86/%2B%E9%99%8D%E7%BB%B4%E6%8A%80%E6%9C%AF.mp4" width="100%" height="720"></video> attachment:https://files.quant.la/quant.la/%E5%8D%95%E7%8B%AC%E4%B8%80%E9%9B%86/%2B%E9%99%8D%E7%BB%B4%E6%8A%80%E6%9C%AF.mp4 display:1 id:84 cover:20180709/1531115073469560776_622x400.jpeg view:709 is_series:0 praise:14 source: text:降维技术 - 降维技术 报告人:杨风召 问题的提出 数据冗余 ? 实际数据的维之间往往有相关性; ? 维难(Dimensional Curse) ? 索引结构的性能随着维数的增........ 降维法(method of reduction dimensions)是一类优选方法,用低维的概念去类比高维的概念.将高维的图形转化为低维的图形的方法。纵横对折法、等高线法、平行线法等都是降维法. 降维的目的 用来进行特征选择和特征提取。 ①特征选择:选择重要的特征子集,删除其余特征; ②特征提取:由原始特征形成的较少的新特征。 create_time:2018-07-09 13:44:44]
map[cover:20180709/1531109203246405761_622x400.jpeg view:403 modify_time:2018-11-24 12:31:57 name:数据分析 tags: <a href="/Video/Tags/了解回归分析">了解回归分析</a> <a href="/Video/Tags/人工智能">人工智能</a> <a href="/Video/Tags/回归分析">回归分析</a> <a href="/Video/Tags/大数据">大数据</a> title:回归分析 source: length:0 attachment:https://files.quant.la/quant.la/%E5%8D%95%E7%8B%AC%E4%B8%80%E9%9B%86/%2B%E5%9B%9E%E5%BD%92%E5%88%86%E6%9E%90.mp4 video_code:<video controls="" src="https://files.quant.la/quant.la/%E5%8D%95%E7%8B%AC%E4%B8%80%E9%9B%86/%2B%E5%9B%9E%E5%BD%92%E5%88%86%E6%9E%90.mp4" width="100%" height="720"></video> top:0 is_series:0 collect:3 author: class:62 sub_class:62 text:回归分析(regression analysis)是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。运用十分广泛,回归分析按照涉及的变量的多少,分为一元回归和多元回归分析;按照因变量的多少,可分为简单回归分析和多重回归分析;按照自变量和因变量之间的关系类型,可分为线性回归分析和非线性回归分析。如果在回归分析中,只包括一个自变量和一个因变量,且二者的关系可用一条直线近似表示,这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量,且自变量之间存在线性相关,则称为多重线性回归分析。 size: praise:10 comment:0 id:80 seo_title:回归分析 display:1 create_time:2018-07-09 12:06:45 user_id:4]
map[name:机器学习 praise:11 view:1249 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 video_code: user_id:4 is_series:1 modify_time:2019-01-09 15:41:49 size: display:1 id:61 author:Deep Systems cover:20180703/1530613893797150596_622x400.jpeg sub_class:53 length:0 attachment: title:深度学习 - DeepSystems_ deep learning models review class:0 top:0 comment:5 seo_title:深度学习---DeepSystems_-deep-learning-models-review source: create_time:2018-07-03 18:31:40 collect:5 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>]
map[user_id:4 praise:11 tags: <a href="/Video/Tags/自然语言处理">自然语言处理</a> <a href="/Video/Tags/计算机科学">计算机科学</a> <a href="/Video/Tags/人工智能">人工智能</a> comment:6 author: sub_class:53 text:自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。因此,这一领域的研究将涉及自然语言,即人们日常使用的语言,所以它与语言学的研究有着密切的联系,但又有重要的区别。自然语言处理并不是一般地研究自然语言,而在于研制能有效地实现自然语言通信的计算机系统,特别是其中的软件系统。因而它是计算机科学的一部分。 size: is_series:1 collect:8 view:1253 length:0 seo_title:自然语言处理 attachment: video_code: name:机器学习 id:3 title:自然语言处理 class:53 top:0 display:1 create_time:2018-06-21 16:25:26 modify_time:2018-11-22 12:08:56 source: cover:20180621/1529569376383172515_622x400.jpeg]
Card image cap
科学家张首晟演讲:量子计算,人工智能与区块链

张首晟,美籍华裔物理学家,美国文理科学院院士,美国国家科学院院士、中国科学院外籍院士。现任斯坦福大学J.G. Jackson和C.J. Wood讲座教授,并创立丹华资本从事美国和中国前沿科技领域的投资。 以下为演讲全文: 谢谢各位前来。我非常开心来到谷歌,被Daya介绍同样无比的荣幸。在此之前,我们已经彼此交流了很久,今天我想跟你们分享一些个人的看法。 关于未来信息技术内容,包括:量子计算,AI人工智能、区块链。特别是这三者的联系。我相

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
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
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
机器学习——降维技术

降维技术 - 降维技术 报告人:杨风召 问题的提出 数据冗余 ? 实际数据的维之间往往有相关性; ? 维难(Dimensional Curse) ? 索引结构的性能随着维数的增........ 降维法(method of reduction dimensions)是一类优选方法,用低维的概念去类比高维的概念.将高维的图形转化为低维的图形的方法。纵横对折法、等高线法、平行线法等都是降维法. 降维的目的 用来进行特征选择和特征提取。 ①特征

Card image cap
回归分析

回归分析(regression analysis)是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。运用十分广泛,回归分析按照涉及的变量的多少,分为一元回归和多元回归分析;按照因变量的多少,可分为简单回归分析和多重回归分析;按照自变量和因变量之间的关系类型,可分为线性回归分析和非线性回归分析。如果在回归分析中,只包括一个自变量和一个因变量,且二者的关系可用一条直线近似表示,这种回归分析称为一元线性回归分析。如果回归分析中包

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
自然语言处理

自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。因此,这一领域的研究将涉及自然语言,即人们日常使用的语言,所以它与语言学的研究有着密切的联系,但又有重要的区别。自然语言处理并不是一般地研究自然语言,而在于研制能有效地实现自然语言通信的计算机系统,特别是其中的软件系统。因而它是计算机科学的一部分。

Copyright © 2017 宽客在线 京ICP备15046776号