-
機器學習 梯度到底是什麼
梯度，到底是什麼？很容易混淆。站在山底，哪個方向爬坡最快，這個容易想像，但問題是，如果所在的高度是我們優化的目標的話，這個爬坡的方向並不是梯度的方向，這個是我們的目標值(函數值)的變化趨勢。我們先看一下定義：即：梯度是一個向量，而向量就有方向，該方向是方向導數取得最大值的方向，那方向導數是什麼？可見：方向導數是一個數方向指的是函數定義域的內點變化的方向 綜上，自變量沿著該方向變化，使函數值變化最大，機器學習中，函數值就是我們的優化目標。當函數值是損失函數值的時候，我們期望的是最小值，這個時候取梯度的反方向，即梯度下降即可。
-
機器學習與深度學習有什麼區別?
作為人工智慧的核心技術，機器學習和深度學習也變得越來越火。一時間，它們幾乎成為了每個人都在談論的話題。那麼，機器學習和深度學習到底是什麼，它們之間究竟有什麼不同呢？ 什麼是機器學習？機器學習(Machine Learning，ML)是人工智慧的子領域，也是人工智慧的核心。它囊括了幾乎所有對世界影響最大的方法(包括深度學習)。
-
機器學習:Python中的四種機器學習技巧
機器學習技術與算法眾所周知，機器學習是技術和算法的結合。但在開始關注技術和算法之前，讓我們看看它們是否是同一個東西。技術是解決問題的一種方法，這是一個非常通用的術語。 但是，當我們說我們有一個算法時，意思是我們有一個輸入，並希望從中得到一定的輸出，明確規定了實現目標的步驟。
-
很火的量子計算遇上更火的機器學習,能發生什麼
與神經網絡相關的期刊會說，』量子力學是什麼？』，物理期刊會說，』神經網絡是什麼？』」但到今天，兩者之間的結合似乎成了世界上最自然的事情。神經網絡和其他機器學習系統已成為21世紀最具破壞性的技術。它們的能力遠超出人類，不僅在西洋棋和數據挖掘等方面表現出眾，而且在人類大腦所擅長的面部識別、語言翻譯等方面進展迅速。通過後臺的強大算力，這些系統的價值不斷凸顯。
-
機器學習中的「維度」是什麼?
「維度」這個詞在機器學習裡面，應該是一個高頻詞，它經常出現在人們的視野中，比如說隨機森林是通過隨機抽取特徵來建樹，以避免高維計算；再比如說，sklearn中導入特徵矩陣，必須是至少二維；特徵選擇的目的是通過降維來降低算法的計算成本……這些語言都很正常地被我用來使用，直到有一天，一個小夥伴問了我
-
人工智慧和機器學習能為抗擊新冠肺炎做些什麼?
據悉，亞馬遜雲服務AWS將全面亮相本次行業盛會，AWS 副總裁 Swami Sivasubramanian將代表 AWS 在線出席並發表題為《突破常規：機器學習無處不在》的演講。就在這場雲端峰會召開之前，Swami Sivasubramanian發表了題為《人工智慧和機器學習能為抗擊新冠肺炎做些什麼？》
-
機器學習在生命科學中的應用
機器學習可以應用於drug-develop的所有階段，包括靶標驗證，預後生物標記物的鑑定和試驗中數字pathology數據的分析。目前許多公司已經將投資目標轉向機器學習領域，通過支持機器學習方法的開發，促進drug-develop研發。
-
可解釋的機器學習
可解釋的機器學習理解（interpret）表示用可被認知（understandable）的說法去解釋（explain）或呈現（present）。在機器學習的場景中，可解釋性（interpretability）就表示模型能夠使用人類可認知的說法進行解釋和呈現。[Finale Doshi-Velez]
-
Python機器學習7:如何保存、加載訓練好的機器學習模型
本文將介紹如何使用scikit-learn機器學習庫保存Python機器學習模型、加載已經訓練好的模型。學會了這個，你才能夠用已有的模型做預測，而不需要每次都重新訓練模型。本文將使用兩種方法來實現模型的保存和加載：Pickle和joblib。
-
2018年,機器學習和人工智慧領域最重要的突破是什麼?
2018年，人工智慧發展到什麼階段了？Quora鼎鼎有名的大V認為，AI炒作和AI威脅論在今年都降溫，並且不會有AI寒冬，升溫的是各種開源框架，2019年的AI，你認為會是怎樣？ 2018年，機器學習和人工智慧領域最重要的突破是什麼？ （這裡給你留出充分思考的時間。）
-
陳天奇:機器學習科研的十年
機器之心轉載作者：陳天奇陳天奇是機器學習領域著名的青年華人學者之一，本科畢業於上海交通大學ACM班，博士畢業於華盛頓大學計算機系，研究方向為大規模機器學習。上個月，陳天奇在Twitter上宣布自己將於2020年秋季加入CMU任助理教授，成為加入CMU的年輕華人學者之一。
-
如何入門Python與機器學習
具體而言，本章主要涉及的知識點有： 機器學習的定義及重要性; Python在機器學習領域的優異性; 如何在電腦上配置Python機器學習的環境; 機器學習一般性的步驟。 機器學習緒論 正如前言所說，由於近期的各種最新成果，使得「機器學習」成為了非常熱門的詞彙。
-
利用機器學習管理車輛傳感器退化
如果傳感器輸出短路，工程師能做什麼？「這是一個不可抗力而且耗時的。」Smith說。 必須進行具體的實驗，以檢查或證明某些數字，也稱為覆蓋率。汽車工程師可以創建一個故障，並確保它可以被檢測出來，同時使用行業標準的可靠性圖表。「這是一個相對簡單的系統，工程師可以有效地處理它們。」Smith補充道。
-
使用Flask部署機器學習模型
沒有多少人會談論如何部署你的機器學習模型。把你的模型投入生產意味著什麼？它需要什麼？這些都是每個數據科學家需要回答的關鍵的職業定義問題。這就是為什麼我決定寫下這個教程來演示如何使用Flask來部署機器學習模型。我們將首先了解模型部署的概念，然後討論Flask是什麼，如何安裝它，最後，我們將深入到一個問題陳述中，學習如何使用Flask部署機器學習模型。
-
機器學習之父Michael I. Jordan 親臨2018全球機器學習技術大會
Jordan（麥可.喬丹）要來了，不是籃球界的飛人喬丹，是機器學習界的開山鼻祖、人工智慧領域根目錄的人物之一；是機器學習領域唯一一位獲得美國科學院、美國工程院、美國藝術與科學院三院院士成就的科學家；是伯克利大學的著名機器學習實驗室AMP Lab的聯席主任。
-
流行的機器學習算法總結,幫助你開啟機器學習算法學習之旅
機器學習算法概述「機器智能是人類永遠需要的一項發明。」— Nick Bostrom.如果您可以回顧幾年前的AI並將其與現在的AI進行比較，您會驚訝地發現AI的發展速度隨著時間的增長呈指數級增長。它已擴展到各種領域，例如ML，Expert Systems，NLP等數十個領域。
-
機器學習才不只是統計學的美化!
然而，機器學習真的只是被美化的統計學嗎？哈佛大學數據科學碩士、機器學習從業者Joe Davison認為，遠不止如此。他從統計學和機器學習分別出發，對比了兩者的不同之處，希望讓人們正確認知機器學習和人工智慧。這篇博客在海外科技網站Medium上獲得了超過7.4k的認同。
-
想快速部署機器學習項目?來看看幾大主流機器學習服務平臺對比吧
許多人已經討論過不同的機器學習的策略。現在讓我們來看看市場上最好的機器學習平臺都有哪些服務。什麼是機器學習服務機器學習服務（Machine learning as a service, MLaaS）包含機器學習大多數基礎問題（比如數據預處理，模型訓練，模型評估，以及預測）的全自動或者半自動雲平臺的總體定義。
-
人工智慧的意義,機器學習的三種類型
人工智慧、機器學習、深度學習這些熱詞近來被頻繁使用。讓人工智慧融於世界的現實期望固然很贊，但了解和揭秘人工智慧同樣意義重大。 縮小人工智慧領域 人工智慧是一個猶如銀河系的龐大話題，擁有很多子類，如自然語言處理（NLP）、人工神經網絡、計算機視覺、機器學習、深度學習、機器人等等。
-
機器學習與統計學的爭論,有意義嗎?
這也是為什麼大多數教授在機器學習課程教學的時候，花大精力來教授廣義線性模型及其變體。所以說統計學在機器學習和人工智慧的研究背景下是非常有意義的，機器學習術語涉及不同的方法，並致力於讓「程序」變得智能。 坦率地說，任何段位的統計學家都不能斷言「脫離實際研究背景的統計學方法是有用的」。