Machine Learning

作者：吳毅 王遠立TiKV 底層使用了 RocksDB 作為儲存引擎，然而 RocksDB 配置選項很多，很多情況下只能通過反覆測試或者依靠經驗來調優，甚至連 RocksDB 的開發者都自嘲，他們沒辦

工欲善其事必先利其器！今天給大家推薦一份非常棒的資源，該資源羅列收集了 CS 頂會歷屆最佳論文大列表，從 1996 年至 2018 年都包含了。機器學習、深度學習前沿 Paper 都能找得到！這些“頂

今天給大家推薦 10 個機器學習課程清單，含課程視訊。這份教程是由一名來自矽谷的電腦科學家 Chip Huyen。Chip Huyen 是畢業於史丹佛大學電腦科學理學學士和碩士學位，在那裡她建立並教授

本文作為Jerry最近正在做的一個專案的工作思路的梳理。我們假設這樣一個服務場景，技師上門維修某裝置，發現裝置上某零件損壞了，假設這位技師由於種種原因，沒能根據自己的經驗識別出這個零件的型號。此時技師

西瓜書《機器學習》無疑是機器學習的必讀書籍。本書作為該領域的入門教材，在內容上儘可能涵蓋機器學習基礎知識的各方面。 為了使盡可能多的讀者通過本書對機器學習有所瞭解, 作者試圖儘可能少地使用數學知識.

機器學習正在改變幾乎每個行業，從農業中的作物規劃到醫療保健中的癌症診斷。這些主題通常會得到更廣泛的討論，因為它們已經產生了切實的，對人類有益的影響。對於遊戲行業而言，不幸的是，遊戲開發中的機器學習仍處

Crunchbase對與人工智慧和機器學習相關的公司的風險投資進行的分析發現，對美國初創企業的投資繼續增長。2019年（到目前為止），該領域的公司共籌集了66.2億美元，這可能推動該行業年投資高於20

機器學習之學習曲線學習曲線是學習演算法一個很好的合理檢驗，幫助我們判斷某一個學習演算法是否處於偏差，方差問題1.高偏差下的學習曲線高偏差/欠擬合情況下， 增加資料到訓練集，對於改善是否效果無益2.高方

https://www.toutiao.com/a6734579481891062275/2019-09-09 16:07:55需要在印度找到最好的人工智慧/機器學習公司？無論你是否注意到，我們都生活

來源：讀芯術本文約7300字，建議閱讀10+分鐘。七大例範圍廣泛，從智慧手機到日常業務。想象一下——你明天要去面試一個嚮往已久的機器學習崗位。一切都必須按計劃進行，否則就會功虧一簣。所以，你告訴智慧小

https://www.leiphone.com/news/201909/v810zqfxtQ38T9Bp.html 導語：可以將非常小的圖片表情恢復原狀～雷鋒網(公眾號：雷鋒網)開發者按：本篇文章為

還記得騰訊AI開源專案Angel嗎？沒錯，也是騰訊第一個開源的AI專案。目前在GitHub上Star數已超過4200，Fork數超過1000。剛剛釋出了3.0版本更新，功能覆蓋機器學習各個階段，開始展

作者：George Seif編譯：ronghuaiyang導讀資料清洗是大資料處理的第一步，很多同學對這一步感到沒有頭緒，不知道哪些該清洗掉，哪些不該，看看這篇文章，是不是能有點啟發？像奧巴馬丟掉麥克

一圖看懂所有機器學習概念

導語：機器學習有時候是好的解決方案，有時候則不是。“如果一個人可以在1秒以內完成一項思維任務，那麼可能在現在或者不久的將來，我們可以使用人工智慧（AI）來自動化處理這項任務。”——吳恩達本文讀者大多數

https://www.toutiao.com/a6725605865505686030/ 來源：大資料本文約12000字，建議閱讀10分鐘。本文為大家介紹機器學習的魅力與可怕。[ 導讀 ]作者用超過

博主不才，研究深度學習有一段時間，主要專注CV領域。本科期間學習了機器學習的一些演算法，用SVM做的人臉識別的工作，之後又去中科院實習，用深度學習來做人臉識別。所以，從傳統演算法，到深度，這個過程，我

持續整合（CI）作業會生成大量資料。當一個作業失敗時，弄清楚出了什麼問題可能是一個繁瑣的過程，它涉及到調查日誌以發現根本原因 —— 這通常只能在全部的作業輸出的一小部分中找到。為了更容易地將最相關的資

前情回顧機器學習100天|Day1資料預處理100天搞定機器學習|Day2簡單線性迴歸分析100天搞定機器學習|Day3多元線性迴歸100天搞定機器學習|Day4-6 邏輯迴歸100天搞定機器學習|D

四、特徵重要性衡量通過上面可以發現準確率有小幅提升，但是似乎得到的結果還是不太理想。我們可以發現模型似乎優化的差不多了，使用的特徵似乎也已經使用完了。準確率已經達到了瓶頸，但是如果我們還想提高精度的話

本文作者為香港浸會大學 賀鑫，雷鋒網AI科技評論獲其授權發表。英文標題 | AutoML：A survey of State-of-the-art作　　者 | Xin He, Kaiyong Zhao

2019年Google學術指標排名可線上免費訪問，跟蹤2014年至2018年期間釋出的論文，幷包括自2019年7月以來在Google學術搜尋中編入索引的所有文章的引文。以下是世界上最具影響力的期刊發表

Scikit-learn機器學習方法集工具集提供一批統一化的機器學習方法功能介面，提供聚類、分類、迴歸、強化學習等計算功能，機器學習最基本且最優秀的Python第三方庫官方網站：scikit-lear

本文編譯自twitter使用者chipro史丹佛線上自學課程《概率與統計》：該課程涉及概率統計的基本概念，涵蓋機器學習4個基本方面：探索性資料分析，產生資料，概率和推理。MIT的《線性代數》：這是我見

好的資源有利於大家迅速走上正確的學習道路，今天就來推薦一下GitHub上面那些機器學習領域裡，最值得關注的綜述性質的專案，一般名字會帶上一個Awesome。作者&編輯 | 言有三1 Aweso

Day15，開始學習樸素貝葉斯，先了解一下貝爺，以示敬意。托馬斯·貝葉斯 (Thomas Bayes),英國神學家、數學家、數理統計學家和哲學家，1702年出生於英國倫敦，做過神甫；1742年成為英國

Logreduce 可以通過從大量日誌資料中挑選出異常來節省除錯時間。持續整合（CI）作業會生成大量資料。當一個作業失敗時，弄清楚出了什麼問題可能是一個繁瑣的過程，它涉及到調查日誌以發現根本原因 ——

一、整合演算法目的：讓機器學習效果更好，單個機器學習演算法不行，就用多個機器演算法整合。Bagging模型：訓練多個分類器取結果的平均　　Boosting模型：從弱學習器開始加強，通過加權來進行訓練（

來源｜QIKUPython程式語言與機器學習實踐可以稱得上是“珠聯璧合”。1. Python是解釋語言，程式寫起來非常方便寫程式方便對做機器學習的人很重要。因為經常需要對模型進行各種各樣的修改，這在編

目錄 工作原理 python實現 演算法實戰 對mnist資料集進行聚類 小結