map[view:3377 is_series:1 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。 size: user_id:4 modify_time:2019-01-02 15:12:29 name:机器学习 source: cover:20180721/1532162820580948905_622x400.jpeg attachment: comment:6 class:0 length:0 video_code: display:1 collect:4 id:99 seo_title:李宏毅深度学习(2015) author:李宏毅 praise:13 create_time:2018-07-21 16:41:31 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> title:李宏毅深度学习(2015) sub_class:53 top:0]
map[seo_title:机器学习中的数学 user_id:4 name:机器学习 title:机器学习中的数学 source: author: cover:20180721/1532159117439199949_622x400.jpeg view:2535 attachment: 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。 video_code: id:96 praise:14 modify_time:2019-01-03 15:38:58 display:1 create_time:2018-07-21 15:40:59 collect:8 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> comment:5 class:0 length:0 size: top:0 is_series:1 sub_class:53]
map[praise:14 id:87 source:斯坦福大学 sub_class:53 view:3139 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。 size: display:1 is_series:1 title:斯坦福大学公开课 - 机器学习课程 cover:20180710/1531215111245408133_622x400.jpeg class:53 attachment: comment:10 modify_time:2018-11-26 12:16:17 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> length:0 create_time:2018-07-10 17:32:00 user_id:4 seo_title:斯坦福大学公开课---机器学习课程 author:Andrew Ng video_code: top:0]
map[praise:12 source: class: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。 modify_time:2019-01-03 15:48:36 name:机器学习 id:86 cover:20180710/1531212525080158655_622x400.jpeg length:0 create_time:2018-07-10 16:51:17 comment:1 display:1 user_id:4 is_series:1 seo_title:机器学习概论 view:1247 attachment: video_code: size: collect:5 title:机器学习概论 author: sub_class:53 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>]
map[length:0 video_code: create_time:2018-06-28 18:03:09 collect:6 comment:2 name:量化交易 tags: <a href="/Video/Tags/量化投资专题讲座">量化投资专题讲座</a> <a href="/Video/Tags/金融学习">金融学习</a> <a href="/Video/Tags/科学">科学</a> <a href="/Video/Tags/投资">投资</a> <a href="/Video/Tags/策略">策略</a> title:厦门大学WISER CLUB量化投资专题讲座 class:52 attachment: size: user_id:4 cover:20180628/1530180187760042921_622x400.jpeg sub_class:52 view:1194 is_series:1 praise:10 top:0 display:1 modify_time:2018-11-23 12:27:53 id:45 seo_title:厦门大学WISER-CLUB量化投资专题讲座 source:厦门大学 author: text:厦门大学WISER CLUB量化投资专题讲座,内容为量化投资基本思想介绍,工具简介,以及经典CTA策略的软件实现。欢迎大家与我们交流数据科学方面的心得与经验。]
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
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
厦门大学WISER CLUB量化投资专题讲座

厦门大学WISER CLUB量化投资专题讲座,内容为量化投资基本思想介绍,工具简介,以及经典CTA策略的软件实现。欢迎大家与我们交流数据科学方面的心得与经验。

Copyright © 2017 宽客在线 京ICP备15046776号