博客水木

这是一篇计算机视觉入门指南，从概念、原理、用例等角度介绍了计算机视觉。 「机器能够模拟人类视觉系统」的幻想已经过时了。自 1960 年代第一批学术论文出现以来，计算机视觉已经走了很远，现代系统已经出现，且它们可以集成到移动应用中。 今天，由于其广泛应用和巨大潜力，计算机视觉成为最热的人工智能和机器学...继续阅读

通过互联网学习意味着可以在无垠的知识海洋中遨游，但也可能因为广阔而迷失。在这个项目中，作者为机器学习提供了一个完整的学习路径。从 ML 到 DL、Scikit-Learn 到 TensorFlow，你需要这份学海指南。 曾有多少次，当你试图接近某一个新主题或领域时，会感到困惑、迷失方向并且无「路」可循。要如何确保你能够深刻理解...继续阅读

机器学习开发者需要了解的 12 种概率分布，这些你都了解吗？ 机器学习有其独特的数学基础，我们用微积分来处理变化无限小的函数，并计算它们的变化；我们使用线性代数来处理计算过程；我们还用概率论与统计学建模不确定性。在这其中，概率论有其独特的地位，模型的预测结果、学习过程、学习目标都可以通过概率的角度来...继续阅读

如何通过免费方式学习数据科学？数据科学家 Rebecca Vickery 从技术能力、理论和实践经验三个方面入手介绍了自己的经验。 在传统教育机构中读硕士学位的平均成本差不多在 3 万到 12 万美元之间。在线数据科学学位课程也不便宜，最低成本为 9000 美元。如果你想学数据科学，但支付不起这笔费用，应该怎么办呢？ 我在成...继续阅读

自然语言处理路线图详解，从数学基础、语言基础到模型和算法，这是你该了解的知识领域。 自然语言处理很多时候都是一门综合性的学问，它远远不止机器学习算法。相比图像或语音，文本的变化更加复杂，例如从预处理来看，NLP 就要求我们根据对数据的理解定制一种流程。而且相比图像等更偏向感知的智能，自然语言包含更高一...继续阅读

想学 AI 又担心没有数学背景或软件背景？没关系，这篇博客非常适合你。 我曾经花费一年半的时间自学各种在线课程和博客，过程中有太多专家、太多信息，而且他们的很多观点还有冲突。我在学习过程中经常充满自我怀疑。 我不想要很多专家帮我学习，我只想要一个老师。我希望有人能够拉着我的手说：「Dave，这就是你需要学的...继续阅读

深度强化学习在机器学习领域的热度一直很高。最近，GitHub 开源了一份深度强化学习的教程，总结了从 DQN 到彩虹模型的理论和代码实现。读者朋友可以根据需要学习研究。教程代码基于 PyTorch，可在 Colab 中运行。 深度强化学习是强化学习中的重要研究领域。这一技术使用深度神经网络，提升智能体在训练中的表现。而目...继续阅读

入门机器学习是一个循序渐进的过程，优质的学习资源和科学的学习路线缺一不可。在本文中，来自英伟达人工智能应用团队的计算机科学家 Chip Huyen 不仅列出了十大优质的免费机器学习课程资源，还将其串成了一条高效的学习路线。 Chip Huyen 是一位来自越南的作家和计算机科学家，现居于美国硅谷，就职于英伟达人工智能应...继续阅读

本文由知名开源平台，AI 技术平台以及领域专家：Datawhale，ApacheCN，AI 有道和黄海广博士联合整理贡献，内容涵盖 AI 入门基础知识、数据分析\挖掘、机器学习、深度学习、强化学习、前沿 Paper 和五大 AI 理论应用领域：自然语言处理，计算机视觉，推荐系统，风控模型和知识图谱。是你学习 AI 从入门到专家必备的学...继续阅读

上次文摘菌给大家推荐了一个能让算法动起来的开源项目之后，有热心的读者给文摘菌推荐了另一个算法可视化的网站。文摘菌打开之后，立即被起画风所折服，所以决定探索一番。 先给出网站地址： https://visualgo.net/en 这个网站的名字叫做VisuAlgo，是2011年由Steven Halim博士所开发，最初的目的是帮助学生更好地理解数...继续阅读