算法

或许一场关于自然语言处理的精彩辩论可以告诉我们何谓“半个贝叶斯人”，让我们把时光拨回到几年前。

机器学习是使计算机无需显式编程就能学习的研究领域。

几十年来，机器学习领域一直饱受“坦克问题（tank problem）”的折磨

简单和复杂的技巧，帮助你提升深度学习的模型准确率

在本文中，我整理了一些最常见的机器学习面试问题，并给出了相应的答案。有志于机器学习的人，以及有经验的ML专业人士，都可以在面试前利用这一点来完善一下他们的基础知识。

损失函数是衡量预测模型在预测预期结果方面做得有多好。

关于数据科学，告诉你三个书上没有的东西

追随内心，还是追随大数据？

作者：Sudharsan Asaithambi 编译：ronghuaiyang 导读 在使用某些算法时，特征缩放可能会使结果发生很大变化，而在其他算法中影响很小或没有影响。 在使用某些算法时，特征缩放可能会使结果发生很大变化，而在其他算法中影响很小或没有影响。为了理解这一点，让我们看看为什么需要缩放特征、各种缩放方法以及什么时候应该对特征进行尺度缩放。 为什…

人工智能是一项真正具有变革意义的技术。

和人类不同，AI物体识别靠的是小的细节，而不是图像的边界，但是总是有办法来弥补这个差别的！

企业数据科学仍然是一个新领域。许多学者还没有为真正的企业解决实际问题。因此，他们以与数据和业务环境分离的方式教授教科书算法。这可以在智力上很有趣。但是，如果学生认为这些课程能够很好地为数据科学家工作，那么他们就错了。

在本文中，我们将全面介绍K-means聚类及其扩展。我们将研究聚类，它为什么重要，它的应用，然后深入研究K-means聚类(包括如何在真实数据集上用Python实现它)。

很多人问我如何开始机器学习和深度学习。在这里，我整理了一个我使用过的资源列表，以及我第一次学习深度学习时所走过的路。

信息论是对深度学习和人工智能做出重要贡献的一个重要领域，但很多人对信息论知之甚少。信息论可以看作是深度学习的基本组成部分：微积分、概率和统计学的复杂组合。