人工智能AI

人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战(不定时更新)

人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战(不定时更新)

日萌社人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战github标星11600+:最全的吴恩达机器学习课程资源(完整笔记、中英文字幕视频、python作业,提供百度云镜像! »

人工智能AI-Introductin

人工智能AI-Introductin

人工智能的三次热潮,第一次是1962年IBM的西洋跳棋,第二次是1997年IBM Deep Blue的国际象棋,第三次是Google的alphago。AI关键技术有知识图谱、计算机视觉、人机交互、生物特征识别、机器学习、VR/AR、自然语言处理。计算机利用经验E学习任务T,性能是P,针对T的P会随着经验E不断增长,则称为机器学习。 »

ac_risk.png

机器学习入门教程5-使用 Python 和 scikit-learn 学习聚类算法

在本教程中,您将使用无监督学习来发现数据中的分组和异常点。在无监督学习中,没有用于显示期望结果的真值(ground truth) 或带标签的数据集。而是获取原始数据并使用各种算法来发现数据集群。如果您想了解无监督学习背后的理论和概念,请阅读用于数据分类的无监督学习。 在集群变得明显(例如在 3D 图表中)后,您可能想将标签应用于集群。这就是使用无监督学习来发现数据中的隐藏特征的一个示例。如果您不关... »

频率分布

机器学习入门教程4-使用 Python 和 scikit-learn 学习分类算法

在本教程中,我们将介绍有关解决基于分类的机器学习问题的基础知识,并提供对当前最受欢迎的一些算法的比较研究。 设置 注册或登录。 通过从试用 IBM Watson 页面登录到 IBM Cloud 帐户来激活 Watson Studio。 通过从 https://dataplatform.cloud.ibm.com 页面登录来访问 Watson Studio。 创建一个空白项目。 单击 Create ... »

频率分布

机器学习入门教程3-使用 Python 和 scikit-learn 学习回归算法

在本教程中,我们将介绍解决基于回归的机器学习问题的基础知识,并对当前最流行的一些算法进行比较研究。 设置 注册或登录。 从 Try IBM Watson 页面登录到您的 IBM Cloud 帐户来激活 Watson Studio。 在 https://dataplatform.cloud.ibm.com 处登录以访问 Watson Studio。 创建一个空白项目。 单击 Create a pro... »

加载数据

机器学习入门教程2-使用 Python 和 scikit-learn 构建并测试您的第一个机器学习模型

在本教程中,我们演示了如何从头到尾完整地创建和运行分类模型的实践示例。本教程包括以下步骤: 数据探索 数据预处理 拆分数据以用于训练和测试 准备一个分类模型 使用管道组装所有步骤 训练模型 对模型运行预测 评估模型性能并使之可视化 设置 本教程包括一个用 Python 编写的 Jupyter Notebook。您可以使用免费试用帐户,通过 Watson Studio 在 IBM Cloud 上运行... »

tensor.png

机器学习入门教程1-机器学习简介

机器学习是一门为了预测某个值而对系统应用算法来学习数据中模式的科学。利用足够的数据,在所有输入变量与待预测值之间建立关系。在给定其他输入变量的情况下,系统更容易预测一个新的值。这种方法不同于传统编程,在传统编程中,应用程序是基于先前设置的规则开发的。虽然机器学习的基本概念已经存在了一段时间,但这一领域最近才迅猛发展,这要归功于先进的处理器和丰富的可用数据,这两者都是实现精确预测的关键。因为介绍机器... »