摘要：用離散信一文清晰講解機器學習中梯度下降算法包括其變式算法無論是要解決現實生活中的難題，還是要創建一款新的軟件產品，我們最終的目標都是使其達到最優狀態。

作為一名久經片場的老司機，早就想寫一些探討駕駛技術的文章。這篇就介紹利用生成式對抗網絡（GAN）的兩個基本駕駛技能：

1) 去除(愛情)動作片中的馬賽克

2) 給(愛情)動作片中的女孩穿(tuo)衣服

不同于其他KNN的入門，這篇文章直接采用卷積神經網絡介紹機器學習。好像不學點機器學習就很虧？

零基礎意味著你不需要太多的數學知識，只要會寫程序就行了，沒錯，這是專門為程序員寫的文章。雖然文中會有很多公式你也許看不懂，但同時也會有更多的代碼，程序員的你一定能看懂的

上周，今日頭條人工智能實驗室在清華大學舉辦了第二期 AI 技術沙龍，邀請到上海科技大學信息科學與技術學院的馬毅教授帶來題為「高維數據的低維結構與深度模型」的主題分享。馬毅教授以計算機視覺為例，展示了低維模型和深度模型如何從不同角度試圖攻克同一個問題：高維數據的信息提取。并且詳細展示了從低維模型角度如何分解并逐步攻克這個問題，有哪些應用，以及低維模型如何給深度模型帶來可解釋性。

Python 篇的組織結構 不管是學習人工智能還是大數據，Python 都是基本必學的，而且如果大家自己有一定的語言基礎，會發現 Python 是非常好入門的，我自己大概花了 1 個下午入門了一下基本的語法。 我會花 3 到 4 篇的篇幅給大家作一下基本的入門。當然，這不…

人工智能（AI）和機器學習（ML）是目前最熱門的話題之一。
你每天都能不經意地聽人提起“AI”這個詞。你聽到有抱負的開發者說他們想學習AI。你也聽到管理人員說他們想在他們的服務中實現人工智能。但是很多時候，這些人中有很大一部分其實并不理解AI是什么。
閱讀完本文后，你將理解AI…

機器學習理論篇1：機器學習的數學基礎

《A Tour of Recurrent Neural Network Algorithms for Deep Learning | Machine Learning Mastery》by Jason Brownlee

監督學習是利用標記了的樣本進行學習，無監督學習則是使用未標記的樣本進行學習，這兩個是我們最常見的。半監督學習則是樣本中只有少量帶標記的樣本，多數樣本都未標記，利用這些樣本進行學習。強化學習則是很不同的一種學習方式，它沒有規則的訓練樣本和標簽，主要通過獎勵和懲罰達到學習的目的。 …

A 2017 Guide to Semantic Segmentation with Deep Learning

如果你像作者一樣，也著迷于人工智能。也許你想深入挖掘，并在 TensorFlow 或 Theano 運行一個圖像分類器。也許你是一個敢于嘗試新事物的開發人員或系統架構師，你知道計算機非常好，但只有一個小問題：

你的數學不好。

本文是基于 TensorFlow 在中文數據集上的簡化實現，使用了字符級 CNN 和 RNN 對中文文本進行分類，達到了較好的效果。

豆瓣有各種小組，每個小組會有個主題，如何給帖子分類。這個時候需要介紹機器學習一個最簡單的算法，叫 k 近鄰算法

給吳恩達三塊白板和一支馬克筆，聽他講一節精彩的課。剛剛，在O’reilly舉辦的AI Conference上，吳恩達做了個25分鐘的演講，主題依然是“AI is the new electricity”?，但內容可以說是充滿誠意非常干貨了。

最近打算系統學習下機器學習的基礎算法，避免眼高手低，決定把常用的機器學習基礎算法都實現一遍以便加深印象。本文為這系列博客的第一篇，關于決策樹(Decision Tree)的算法實現，文中我將對決策樹種涉及到的算法進行總結并附上自己相關的實現代碼。所有算法代碼以及用于相應模型的訓…

在AI時代，我們希望計算機能夠擁有視覺、聽覺、行動以及語言的智能，而相對于聽和看以及行動，語言是我們人類區別于其他動物的最重要特征之一。語言是我們思維的載體，也因此我們對于語言的理解和處理，變得尤為重要。

視頻教程的總結和一些自行補充的內容，旨在盡可能的理解其原理。 在忽略噪聲的情況下，泛化誤差可分解為偏差、方差兩部分。 偏差：度量學習算法的期望預測與真實結果的偏離程度，也叫擬合能力。 方差：度量了同樣大小的訓練集的變動所導致的學習性能的變化，即刻畫了數據擾動造成的影響。 我們通…

這里對卷積神經網絡的講解主要是以不同的思考側重展開，通過對卷積神經網絡的分析，進一步理解神經網絡變體中“因素共享”這一概念。

一文看懂 25 個神經網絡模型

使用tensorflow實現深度學習LSTM模型，源碼在github上公開，方法簡單易學，適合上手。

非常系統的教程。

我們在機器學習中一直會遇到兩種問題，一種是回歸問題，一種是分類問題。我們從字面上理解，很容易知道分類問題其實是將我們現有的數據分成若干類，然后對于新的數據，我們根據所分得類而進行劃分；而回歸問題是將現有數據擬合成一條函數，根據所擬合的函數來預測新的數據。 這兩者的區別就在于輸出…

編譯 | 周翔斯坦福的 CS231n 是深度學習和計算機視覺領域的經典課程之一。近日，斯坦福又開放了由李飛飛主講的 CS231n Spring 2017 全部視頻課程。在AI科技大本營微信公眾號會話回復“斯坦福”，打包下載16張課程PDF根據官網信息，此次課程的主題為：Convo…

什么是卷積 首先看卷積公式 它是通過兩個函數 f(t) 和 g(t) 來生成第三個函數的一種數學算子。從負無窮到正無窮遍歷全部 u 值，把 g(t-u) 的值乘以 f(u) 的值之后再進行累加，得到關于該累加操作的關于 t 的函數。從另一個角度看，卷積就是一種加權求和。 用離散信…

無論是要解決現實生活中的難題，還是要創建一款新的軟件產品，我們最終的目標都是使其達到最優狀態。作為一名計算機科學專業的學生，我經常需要優化各種代碼，以便提高其整體的運行速度。 一般情況下，最優狀態會伴隨問題的最佳解決方案。如果閱讀近期發表的關于優化問題的文章的話，你會發現，優化…

如果你像作者一樣，也著迷于人工智能。也許你想深入挖掘，并在 TensorFlow 或 Theano 運行一個圖像分類器。也許你是一個敢于嘗試新事物的開發人員或系統架構師，你知道計算機非常好，但只有一個小問題： 你的數學不好。

文章簡潔地介紹了機器學習的主要算法和一些偽代碼，對于初學者有很大幫助，是一篇不錯的總結文章，后期可以通過文中提到的算法展開去做一些實際問題。