在这份笔记中，Wan Zhen 不仅介绍了每个课程的关键知识点，同时还详细解释了各课程的编程作业。在第一门课程《神经网络与深度学习基础》中，该课程笔记不仅提供了最基础的 Python 和 NumPy 操作笔记，同时还从最基础的 Logistic 回归推导到最一般的深度全连接网络…

大家好，欢迎阅读深度学习专题。 我们之前的机器学习专题已经结束了，我们把机器学习领域当中常用的算法、模型以及它们的原理以及实现都过了一遍。虽然还有一些技术，比如马尔科夫、隐马尔科夫、条件随机场等等没有涉及到。但是这些内容相比来说要弱一些，使用频率并不是非常高，我们就不一一叙述了…

作者|ChristophePere编译|VK来源|TowardsDatasScience介绍长期以来，我听说时间序列问题只能用统计方法(AR[1]，AM[2]，ARMA[3]，ARIMA[4])。这些

大家好，欢迎大家阅读周二机器学习专题，今天的这篇文章依然会讲SVM模型。 也许大家可能已经看腻了SVM模型了，觉得我是不是写不出新花样来，翻来覆去地炒冷饭。实际上也的确没什么新花样了，不出意外的话这是本专题最后一篇文章了。下周我们就要开始深度学习之旅了，我相信很多同学期待这一天…

今天是机器学习专题第35篇文章，我们继续SVM模型的原理，今天我们来讲解的是SMO算法。 在之前的文章当中我们对硬间隔以及软间隔问题都进行了分析和公式推导，我们发现软间隔和硬间隔的形式非常接近，只有少数几个参数不同。所以我们着重来看看软间隔的处理。 也就是说我们要在这些条件下去…

NLU 是要理解给定文本的含义。本内每个单词的特性与结构需要被理解。在理解结构上，NLU 要理解自然语言中的以下几个歧义性： 回指歧义性（Anaphoric Ambiguity）：之前提到的短语或单词在后面句子中有不同的含义。 NLG 是从结构化数据中以可读地方式自动生成文本的…

本文首发自公众号：RAIS，欢迎关注。 最佳实践，顾名思义，就是做某事的最佳方法，当然，这里的最佳一定是绝大多数情况，但又不是百分百的情况，我们不必纠结这个问题，我们需要记住的是下面这些方法在深度学习实践中是非常好的做法。 如果你看到这里，我有理由认为你是一个懂得程序设计懂得编…

本篇文章主要整理自集智学园的论文解读视频《网络上的CNN-图卷积网络模型》和《基于图卷积网络的半监督分类》。 本文主要介绍了图卷积神经网络。也就是将卷积神经网络（CNN）的方法用在“图”这种数据上。 当前机器学习技术在各个领域都有非常好的发展，尤其在图像和语言领域，经典的代表模…