【Andrew Ng】机器学习(2):Logistic回归

参考资料

注:本文涉及的图片及资料均整理翻译自Andrew Ng的Machine Learning课程及上述书籍、博客资料,版权归各作者所有。翻译整理水平有限,如有不妥的地方欢迎指出。


更新历史:

  • 2019.03. 初稿完成

【Princeton】算法(2):栈和队列

实际编程时,经常需要维护某个对象的集合,对集合中的对象的表示方式,往往决定着对它们进行各种操作时的效率。

这里介绍数据结构相关的一些基本概念以及两种最基本的数据结构–栈和队列。

阅读更多
【Andrew Ng】机器学习(1):线性回归

这里介绍机器学习的基本概念以及线性回归模型。

阅读更多
树莓派(1):入门

入手一块树莓派3B+,准备用它完成毕业设计,顺便深入学习一波Linux。

这里,先学习官方Raspbian系统的烧录和基本配置过程。

阅读更多
Android:香农

一款可译用来统计信息熵,进行二元香农、诺顿、哈夫曼编码,以及判断分组码是否唯一可译的Android APP。

阅读更多
【Andrew Ng】深度学习(11):序列模型

采用循环神经网络能够建立各种各样的序列模型(Sequence Model)。加入一些注意力机制,能够使这些序列模型更加强大。

阅读更多
【Andrew Ng】深度学习(10):自然语言处理

自然语言处理(Natural Language Processing,NLP)是人工智能和语言学领域的学科分支,它研究实现人与计算机之间使用自然语言进行有效通信的各种理论和方法。

阅读更多
【Andrew Ng】深度学习(9):循环神经网络

随深度学习技术的发展,使用循环神经网络(Recurrent Neural Network,RNN)建立的各种序列模型,使语音识别、机器翻译及自然语言理解等应用成为可能。

阅读更多
【Princeton】算法(1):Union-Find

在计算机科学领域,算法(Algorithm)是描述一种有限、确定、有效,并且适合用计算机语言来实现的解决问题的方法。算法是CS领域的基础,也是核心。

这里首先通过一个动态连通性问题,来了解设计、分析算法的基本过程。

阅读更多
【Andrew Ng】深度学习(8):卷积神经网络的应用

认识了解了卷积神经网络的工作原理及其一些经典的网络结构后,这里介绍如何应用卷积神经网络,实现目标检测、人脸识别及神经风格转换。

阅读更多