超人汪小建

已删！

已删！

卷积神经网络的发展主要是为了解决人类视觉问题，不过现在其它方向也都会使用。发展历程主要从Lenet5->Alexnet->VGG->GooLenet->ResNet等。 传统BP神经网络层与层之间都是全连接的，对于图像处理领域，当神经网络处理大图像时，全连接会导致待训练的参数非…

已删！

神经网络能解决非线性的复杂的模型问题，而且通过增加网络的层数将具备更加强大的学习能力，另外如果再改造改造层的结构则变成各类深度学习模型，例如CNN RNN之类的。 神经网络一般被用来捕捉复杂情况下的特征，比如说视频图像中的动物类别、一名作家的写作风格等等。 人脑可能有1000多…

已删！

虽然目前 nlp 很多任务已经发展到了使用深度学习的循环神经网络模型和注意力模型，但传统的模型咱们也一样要了解。这里看下如何使用隐马尔科夫模型(HMM)进行分词。 隐马尔科夫模型是一种有向图模型，图模型能清晰表达变量相关关系的概率，常见的图模型还有条件随机场，节点表示变量，节点…

已删！

这里说说机器学习问题分析的一般性过程，尽管存在各种各样的机器学习问题，但大体上的步骤及最佳实践都有一定的套路。 以上等等等等。 待收集的数据可能是表格数据、一串实时数据，N维矩阵或其他类型数据，同时也可能是多种存储介质，通过ETL处理将混合的数据源转成我们需要的格式，生成结构化…