k-menas算法之见解 主要内容： 　　一、引言 　　二、k-means聚类算法 一、引言： 　　先说个K-means算法很高大上的用处，来开始新的算法学习。美国竞选总统，选票由公民投出，总统由大家决定。在2004年出现候选人得票数非常接近，所以1%的选民手中的选票非常关键，决定着总统的...[2018/10/24]

k-menas算法之见解 主要内容： 　　一、引言 　　二、k-means聚类算法 一、引言： 　　先说个K-means算法很高大上的用处，来开始新的算法学习。美国竞选总统，选票由公民投出，总统由大家决定。在2004年出现候选人得票数非常接近，所以1%的选民手中的选票非常关键，决定着总统的...[2018/10/24]

阿里的商业越成功，技术能力就被掩盖的越显著。但随着AI产品和解决方案的落地，我们对阿里“重商”的印象可能会悄然改变，而这些正在发生。 阿里无疑是中国最成功的商业航母，凭借着以天猫为首的电商平台和以支付宝为首的互联网金融平台，阿里直接变现的商业能力毋庸置疑。相比腾讯靠社交做流量，再通过游戏和投...[2018/10/23]

《Macro-Micro Adversarial Network for Human Parsing》 摘要：在人体语义分割中，像素级别的分类损失在其低级局部不一致性和高级语义不一致性方面存在缺陷。对抗性网络的引入使用单个鉴别器来解决这两个问题。然而，两种类型的解析不一致是由不同的机制产生的，因此单...[2018/10/21]

下载：https: pan.baidu.com 1s77wmVcPgRZUf eHsTlWg 《机器学习实战》(高清中文版PDF+高清英文版PDF+源代码) 高清中文版和高清英文版对比学习， 带目录书签，可复制粘贴； 讲解详细并配有源代码。 其中高清中文版  [2018/10/21]

简介 前面介绍的线性回归，SVM等模型都是基于数据有标签的监督学习方法，本文介绍的聚类方法是属于无标签的无监督学习方法。其他常见的无监督学习还有密度估计，异常检测等。 聚类就是对大量未知标注的数据集，按照数据的内在相似性将数据集划分为多个类别（在聚类算法中称为簇），使类别内的数据相似度高，二类别...[2018/10/20]

简介： 支持向量机（SVM）是一种二分类的监督学习模型，他的基本模型是定义在特征空间上的间隔最大的线性模型。他与感知机的区别是，感知机只要找到可以将数据正确划分的超平面即可，而SVM需要找到间隔最大的超平面将数据划分开。所以感知机的超平面可以有无数个，但是SVM的超平面只有一个。此外，SVM在引入...[2018/10/20]

下载：https: pan.baidu.com 1fngyDdcld6rA5qoho1dQCw 最新出版的《Python深度学习》。 《Python深度学习》【中文版和英文版】【高清完整版PDF】+【配套源代码】 高清中文版PDF，314页，带目录和书签，彩色配图，能够复制粘贴； 高清英文版...[2018/10/20]

下载：https: pan.baidu.com 1qs1ETO6yTG8xpdPPzb5dPw Python编程快速上手：让繁琐工作自动化【高清中文版PDF+高清英文版PDF+源代码】 久负盛名的python书籍。 高清中文版412页，高清英文版505 页，配套源代码。 中文和英文两版对比...[2018/10/20]

下载：https: pan.baidu.com 1RDTQxG3vjG2xGsX4Mx-5KA 最新出版的《Python数据科学手册》。 《Python数据科学手册》【中文版和英文版】【高清完整版PDF】+【配套源代码】 高清中文版PDF，474页，带目录和书签，能够复制粘贴； 高清英文版P...[2018/10/20]

2019年机器学习：追踪人工智能发展之路   https: mp.weixin.qq.com HvAlEohfSEJMzRkH3zZtlw     【导读】“智能助理”的时代已经到来了。机器学习已经成为全球数字化转型的关键要素之一 ,在企业领域，机器学习用例...[2018/10/19]

1、使用 virtualenv 安装TensorFlow 按照以下步骤安装 TensorFlow： 打开终端（一个 shell），你将在这个终端中执行随后的步骤 通过以下命令安装 pip 和 virtualenv： $ sudo easy_install pip $ sudo pip...[2018/10/19]

Taylor Guo @ Shanghai - 2018.10.18  缘起 还有什么比顶级会议更适合寻找有趣新想法的地方吗？我们从CVPR 2018 计算机视觉和模式识别的顶级会议中发现了很多有趣的东西。   GAN和CV   寻找室外场景中的小脸 ...[2018/10/19]

特征工程指的是将原始数据转换为特征矢量。 机器学习模型通常期望样本表示为实数矢量。这种矢量的构建方法如下：为每个字段衍生特征，然后将它们全部连接到一起。 图1. 特征工程将原始数据映射到机器学习特征 映射数值 机器学习模型根据浮点值进行训练，因此整数和浮点原始数据不需要特殊编码。正如图...[2018/10/18]

继「人工智能AI芯片与Maker创意接轨」的（上）篇中，认识了人工智能、深度学习，以及深度学习技术的应用，以及（中）篇对市面上AI芯片的类型及解决方案现况做了完整剖析后，系列文到了最后一篇，将带领各位Maker进入智能化的世界，你也能轻松成为一位AI应用创作者。 Maker如何进入AI领域？ ...[2018/10/18]

数据挖掘是利用业务知识从数据中发现和解释知识的过程，这种知识是以自然或者人工形式创造的新知识。 第一，目标律：业务目标是所有数据解决方案的源头。   它定义了数据挖掘的主题：数据挖掘关注解决业务业问题和实现业务目标。数据挖掘主要不是一种技术，而是一个过程，业务目标是它的的核心。 ...[2018/10/18]

TensorFlow是一个采用数据流图（data flow graphs），用于数据计算的开源软件库。 什么是数据流图？ TensorFlow的数据流图是由“节点”（nodes）和“线”（edges）组成的有向无环图来描述数学计算。“节点”一般用来表示施加的数学操作，但也可以表示数据输入（fe...[2018/10/17]

在人工智能AI芯片与Maker创意接轨（上）这篇文章中，介绍人工智能与深度学习，以及深度学习技术的应用，了解内部真实的作业原理，让我们能够跟上这波AI新浪潮。系列文来到了中篇，将详细介绍目前市面上的各类AI芯片，进一步分析不同类型的芯片。 目前市面上对人工智能（AI）芯片常见的作法大致可分成五大...[2018/10/17]

图1. 线性问题 对于图1，可以画一条线将黄点和蓝点分开，这是个线性问题，这条线并不完美，有一两个蓝点可能落在了黄点的一侧，但画的这条线可以很好地做出预测。 图2. 非线性问题 对于图2，显然不能画一条直线将黄点和蓝点清晰地分开，这是个非线性问题。 要解决图2的非线性问题，可以创建...[2018/10/17]

近几年来人工智能（Artificial Intelligence, AI）喴的震天价响，吃也要AI，穿也要AI，连上个厕所也要来个AI智能健康分析，生活周遭食衣住行育乐几乎无处不AI，彷佛已经来到科幻电影中的那个世界，面对这波「智能」新浪潮，身为Maker的我们自然不能缺席。本文将分成上、中、下三...[2018/10/16]

问题 在服务器上安装mxne的GPU版本 sudo pip install mxnet-cu80==1.2.1 然后在gpu上创建数据 import mxnet as mx mx.nd.array([0], ctx = mx.gpu()) 发现报错。 mxnet.base.MXNetE...[2018/10/16]

数据分析作用 在商业领域中，进行数据分析的目的是把隐藏在一大批看似杂乱无章的数据背后的信息集中和提炼出来，总结出所研究对象的内在规律，帮助管理者进行有效的判断和决策。数据分析在企业日常经营分析中主要有三大作用： 现状分析：告诉你当前的状况 原因分析：告诉你某一现状为什么发生 预测分析：告诉你将来...[2018/10/16]

为了提高模型的泛化能力，同时也为了增大数据集，我们往往需要对数据进行augmentation，在这篇博客中，将总结一下可以对数据进行的augmentation。 1、颜色数据增强，对图像亮度、饱和度、对比度进行调整，最常见的是对亮度进行调整。 2、裁剪（crop），对图像进行随机裁剪；也可以先...[2018/10/15]

企业大数据到人工智能演化       人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和...[2018/10/15]

第一张图是当模型为一元一次函数时的情况，以及其lo 函数（二元二次函数）的图像是如何由函数的子项形成的，以及二元二次函数梯度的不同对学习率的影响。一般来说采用全量梯度下降时函数图像最陡，批量梯度下降次之，随机梯度下降或者说逐样本梯度下降最缓。   第二张图是采用逐样本梯度下降的情...[2018/10/15]

该笔记基于：Multimodal Machine Learning:A Survey and Taxonomy 该论文是一篇对多模态机器学习领域的总结和分类，且发表于2017年，算是相当新的综述了。老师在课上推荐阅读，我花了三天大体看了一边，其中有很多实际的方法或者技术对我来说是全新的领域，也是...[2018/10/12]

2018年国际消费性电子展（CES）上，最明显的一个趋势是Amazon与Google的语音技术进驻战，如AmazonAlexa进驻到Acer笔电内，Google A ist进驻到KIA汽车内，其他如智能电视、智能喇叭，乃至传统数字录放机TiVo都成为抢占进驻的对象。 Google A i...[2018/10/12]

中科院院士谭铁牛：人工智能发展需要理性务实   https: mp.weixin.qq.com 7MftTDB4M3APQX_e0ilHAQ   人工智能经历62年发展，风雨兼程，已经取得重大进展，专用人工智能取得突破性进展并得到广泛应用。日前，中国科学院院士、中科院自...[2018/10/11]

基于物品的系统过滤 一、基础算法 算法原理：给用户推荐那些和他们之前喜欢的物品相似的物品。物品A和物品B具有很大的相似度是因为喜欢A的用户大都也喜欢物品B. 基于物品的协同算法主要分为两步： 1.计算物品之间的相似度： 使用下面的公式定义物品之间的相似度： 其中，|N(i)|是喜欢物...[2018/10/10]

混淆矩阵（confusion matrix）：                                    ...[2018/10/10]

概述          今天要说一下机器学习中大多数书籍第一个讲的（有的可能是KNN）模型-线性回归。说起线性回归，首先要介绍一下机器学习中的两个常见的问题：回归任务和分类任务。那什么是回归任务和分类任务呢？...[2018/10/10]

近来对贝叶斯网十分感兴趣，按照博客《读懂概率图模型：你需要从基本概念和参数估计开始》给出的第一个例子，试着搭建了一个student网。 (1)点击绿F，对条件概率表予以输入（包括两个祖先节点difficulty和intelligence，这两个节点的绿F输入将会显现在柱状图面版上，其它CPT输入...[2018/9/25]

https: mp.weixin.qq.com trkCGvpW6aCgnFwLxrGmvQ     撰稿 & 整理｜Debra 编辑｜Debra   导读：在 2018 云栖人工智能峰会上，阿里巴巴推出的人工智能产品和相关服务真不少，包括一款天...[2018/9/25]

2018年度10大新兴技术：人工智能、量子计算、增强现实等   https: mp.weixin.qq.com FEhGUixl00knNOu14sdbTg   9月19日，世界经济论坛和《科学美国人》联合发布了2018年度十大新兴技术榜单，人工智能及生物医药、新材料领...[2018/9/25]

NLP&深度学习：近期趋势概述   摘要：当NLP遇上深度学习，到底发生了什么样的变化呢？   在最近发表的论文中，Young及其同事汇总了基于深度学习的自然语言处理（NLP）系统和应用程序的一些最新趋势。本文的重点介绍是对各种NLP任务（如视觉问答（QA）和机器翻译）...[2018/9/25]

中文分词概述         词是最小的能够独立活动的有意义的语言成分，一般分词是自然语言处理的第一项核心技术。英文中每个句子都将词用空格或标点符号分隔开来，而在中文中很难对词的边界进行界定，难以将词划分出来。在汉语中...[2018/9/25]

– Tim Rockt?schel, Jakob Foerster and Greg Farquhar, 29/08/2018 Every year we get contacted by students who wish to work on short-ter...[2018/9/25]

前言 在论文笔记：CNN经典结构1中主要讲了2012-2015年的一些经典CNN结构。本文主要讲解2016-2017年的一些经典CNN结构。 CIFAR和SVHN上，DenseNet-BC优于ResNeXt优于DenseNet优于WRN优于FractalNet优于ResNetv2优于ResNet...[2018/9/25]

CIFAR和SVHN结果 加粗表示原论文中该网络的最优结果。 可以看出DenseNet-BC优于ResNeXt优于DenseNet优于WRN优于FractalNet优于ResNetv2优于ResNet。 ResNeXt-29，8x64d表示29层，ResNeXt分支数为8，每个分支的bottlen...[2018/9/25]

2017 SIGIR 简单介绍 IRGAN将GAN用在信息检索（Information Retrieval）领域，通过GAN的思想将生成检索模型和判别检索模型统一起来，对于生成器采用了基于策略梯度的强化学习来训练，在三种典型的IR任务上（四个数据集）得到了更显著的效果。 生成式和判别式的检索模型...[2018/9/25]

华为有AI，这场转型战有点大   https: mp.weixin.qq.com qnUP5cgbNxXcAT82NQARtA   李根 发自 凹非寺  量子位 报道 | 公众号 QbitAI       &nb...[2018/9/25]

Logistic逻辑回归 Logistic逻辑回归模型 线性回归模型简单，对于一些线性可分的场景还是简单易用的。Logistic逻辑回归也可以看成线性回归的变种，虽然名字带回归二字但实际上他主要用来二分类，区别于线性回归直接拟合目标值，Logistic逻辑回归拟合的是正类和负类的对数几率。 假设...[2018/9/25]

为什么AI的翻译水平还远不能和人类相比?     https: mp.weixin.qq.com 0koIt-qu9IOVxNhbFcZr1Q     作者 | SHARON ZHOU 译者 | 王天宇 编辑 | 2812 出品 | AI ...[2018/9/25]

诗人般的机器学习，ML工作原理大揭秘   https: mp.weixin.qq.com 7N96aPAM_M6t0rV0yMLKbg     选自arXiv 作者：Ca ie Kozyrkov 机器之心编译 机器之心授权（禁止二次转载）  ...[2018/9/25]

贝叶斯、香农、奥卡姆合写博客「机器学习是什么」     https: mp.weixin.qq.com xGHLgWKo7Gz0NmmgYu4Kbg       作者：Tirthajyoti Sarkar  来源:Towa...[2018/9/25]

华为云总裁郑叶来：易获取、用得起、方便用的算力是人工智能发展的关键     https: mp.weixin.qq.com EGbjW7_rA08rO7wspKyXXw   这是一个变革的时代，我们见证了人工智能改变了下围棋的方式，也通过语音助手、人脸识别等...[2018/9/25]

新手必看：生成对抗网络的初学者入门指导   https: mp.weixin.qq.com GqfFh83Xo6q1un1V4KIOdA     本文为 AI 研习社编译的技术博客，原标题 A Beginner''s Guide to Genera...[2018/9/25]

德摩根定律可以说是概率论以及逻辑学中很实用的一个定律了，理解起来也不难。 首先我们来复习一下 德（yi）·摩（lian）根（meng）律（bi）的两个公式：           接下来看一个很神理解方法：   我们假设事件 p = { ...[2018/9/25]