2019年上半年收集到的人工智慧機器學習方向乾貨文章

2019 年上半年收集到的人工智慧機器學習方向乾貨文章

 

10 種機器學習方法，掌握了就可以稱霸朋友圈

人工智慧常見演算法簡介

  機器學習中的最最佳化演算法總結

最萌演算法學習來啦，看不懂才怪！

The Next Step for ML 機器學習落地需攻破的9 個難題

人工智慧的學習，需要學習哪些演算法和數學知識呢？需要什麼學歷？

一文讀懂機器學習專案的完整生命週期

80+ 機器學習資料集，還不快收藏

人工智慧常見演算法簡介

目前最實用的機器學習演算法，你認為是哪幾種？

演算法工程師必須要知道的8 種常用演算法思想

機器學習演算法工程師的自我修養

機器學習中的方法技術與應用場景

這可能是最簡單易懂的機器學習入門

小白機器學習基礎演算法學習必經之路

手把手實戰機器學習系列: 隨機森林

2019 年度機器學習49 個頂級工程彙總

人工智慧之機器學習演算法體系彙總

力薦 50 個最實用的免費機器學習資料集

機器學習的12 大經驗總結

乾貨 | 揭開對機器學習的七點誤解

如何管理機器學習模型

【機器學習】【發展史】概覽

機器深度學習的過程中盛傳著7 個誤解，我們來一一揭開

統計學和機器學習到底存在哪些聯絡和區別？

一文讀懂自學機器學習的誤區和陷阱（附學習資料）

機器學習基礎-資料降維

機器學習中的數學基礎（1 ）——向量和範數

【機器學習知識體系】- 機器學習問題的一般流程

改進AI/ML部署的5種方法

隨機變數，機率密度及其統計量

談談機器學習與傳統程式設計之間的區別

機器學習中的數學基礎（2 ）——理解基、線性組合與向量空間

無監督學習：大資料帶我們洞察現在，但小資料將帶我們抵達未來

什麼是無監督學習？概念、使用場景及常用演算法詳解

馬爾科夫、最大熵、條件隨機場

理解馬爾可夫決策過程

馬爾科夫鏈（Markov Chain ），機器學習和人工智慧的基石

瞭解機器學習迴歸的3 種最常見的損失函式

機器學習 歐式距離及程式碼實現

機器學習之單變數線性迴歸

  線性代數投影法線上性迴歸中的應用

機器學習基礎- 資料降維

機器學習- 貝葉斯分類器

機器學習——線性迴歸的原理，推導過程，原始碼，評價

乾貨 | 拒當調參師工程師：超引數搜尋演算法一覽

機器學習（1 ）特徵選擇與特徵抽取

機器學習系列 5 ：特徵縮放

吳恩達的機器學習-- 矩陣運算

MIT 、浙大等打造AutoML 視覺化工具：模型自選、超引數自調

機器學習系列 1 ：監督學習和無監督學習

機器學習系列14 ：偏差與方差

  清華劉洋基於深度學習的機器翻譯突破知識整合、可解釋和魯棒性

批歸一化和Dropout 不能共存？這篇研究說可以

演算法工程師的必備學習資料，《AI 演算法工程師手冊》正式開源了

《百面機器學習》筆記- 特徵工程相關面試題

  k-means 聚類演算法原理與引數調優詳解

高畫質圖解：神經網路、機器學習、資料科學一網打盡| 附PDF

微軟開源可解釋機器學習工具包lnterpretML

蘋果、微軟等巨頭107 道機器學習面試題

一文總覽機器學習中各種【熵】的含義及本質

決策樹剪枝策略

線性模型已退場，XGBoost 時代早已來

為基於樹的機器學習模型構建更好的建模資料集的10 個小技巧！

機器不學習：淺顯易懂！「高中數學」讀懂梯度下降的數學原理

聚類分析演算法

無監督機器學習中，最常見的聚類演算法有哪些？

專欄 | 機器學習 - 最大似然估計

機器學習演算法集錦：從貝葉斯到深度學習及各自優缺點

乾貨| 全面理解無監督學習基礎知識

圖解梯度下降背後的數學原理

  機器學習：特徵選擇和降維例項

基於經典的機器學習k-means 聚類演算法實現對三通道圖片的壓縮操作

機率分佈，先懂這6 個

機器學習| 最簡單易懂的機器學習

2019 年11 個值得研究的Javascript 機器學習庫

  過擬合、欠擬合與正則化

機器學習的流程是怎樣的呢？如何應用到實踐中去呢？

透過隨機森林的例子解釋特徵重要性

機器學習可解釋性工具箱XAI

一文了解機器學習中的交叉熵

人工智慧科普｜極大似然估計——機器學習重要知識點

理解馬爾可夫決策過程

透徹理解高斯核函式背後的哲學思想與數學思想

  2019 年用於機器學習的50 個最佳公共資料集

  透徹理解半監督學習的重要思想及機率視角

  深入剖析機器學習中的統計思想

  利用隨機森林來進行特徵選擇（Python 程式碼實現）

機器學習基礎：理解梯度下降本質「附Python 程式碼」

乾貨｜機器學習- 稀疏矩陣的處理

形象理解貝葉斯定理

機器學習實戰第一步：特徵選擇與特徵工程「附程式碼」

機器學習入門：一文讓你快速瞭解機器學習

基於Kubernetes 的機器學習工作流

產品化機器學習的一些思考

「AI 科技」機器學習演算法之K-means 演算法原理及缺點改進思路

十分鐘掌握多項式迴歸：非線性預測

深入理解支援向量機

 

分享一些阿里巴巴演算法、資料工程師的筆試題以及答案

  揭秘人工智慧面試內容：8 家國際巨頭機器學習面試題目整理

這份GitHub 萬星的機器學習演算法面試大全請大家注意查收

 

 

2019-06-24 寫於蘇州市