2019年上半年收集到的人工智能機器學習方向乾貨文章

2019年上半年收集到的人工智能機器學習方向乾貨文章

 

10種機器學習方法，掌握了就能夠稱霸朋友圈

人工智能常見算法簡介

 機器學習中的最優化算法總結

最萌算法學習來啦，看不懂纔怪！

The Next Step for ML 機器學習落地需攻破的9個難題

人工智能的學習，須要學習哪些算法和數學知識呢？須要什麼學歷？

一文讀懂機器學習項目的完整生命週期

80+機器學習數據集，還不快收藏

人工智能常見算法簡介

目前最實用的機器學習算法，你認爲是哪幾種？

算法工程師必需要知道的8種經常使用算法思想

機器學習算法工程師的自我修養

機器學習中的方法技術與應用場景

這多是最簡單易懂的機器學習入門

小白機器學習基礎算法學習必經之路

手把手實戰機器學習系列: 隨機森林

2019年度機器學習49個頂級工程彙總

人工智能之機器學習算法體系彙總

力薦 50 個最實用的免費機器學習數據集

機器學習的12大經驗總結

乾貨 | 揭開對機器學習的七點誤解

如何管理機器學習模型

【機器學習】【發展史】概覽

機器深度學習的過程當中盛傳着7 個誤解，咱們來一一揭開

統計學和機器學習到底存在哪些聯繫和區別？

一文讀懂自學機器學習的誤區和陷阱（附學習資料）

 

機器學習基礎-數據降維

機器學習中的數學基礎（1）——向量和範數

【機器學習知識體系】- 機器學習問題的通常流程

改進AI/ML部署的5種方法

隨機變量，機率密度及其統計量

談談機器學習與傳統編程之間的區別

機器學習中的數學基礎（2）——理解基、線性組合與向量空間

無監督學習：大數據帶咱們洞察如今，但小數據將帶咱們抵達將來

什麼是無監督學習？概念、使用場景及經常使用算法詳解

馬爾科夫、最大熵、條件隨機場

理解馬爾可夫決策過程

馬爾科夫鏈（Markov Chain），機器學習和人工智能的基石

瞭解機器學習迴歸的3種最多見的損失函數

機器學習 歐式距離及代碼實現

支持向量機(SVM)的約束和無約束優化、理論和實現

機器學習簡介之基礎理論- 線性迴歸、邏輯迴歸、神經網絡

機器學習之單變量線性迴歸

 線性代數投影法在線性迴歸中的應用

機器學習基礎-數據降維

機器學習-貝葉斯分類器

機器學習——線性迴歸的原理，推導過程，源碼，評價

乾貨 | 拒當調參師工程師：超參數搜索算法一覽

機器學習（1）特徵選擇與特徵抽取

機器學習系列 5：特徵縮放

吳恩達的機器學習--矩陣運算

MIT、浙大等打造AutoML可視化工具：模型自選、超參數自調

機器學習系列 1：監督學習和無監督學習

機器學習系列14：誤差與方差

 清華劉洋基於深度學習的機器翻譯突破知識整合、可解釋和魯棒性

批歸一化和Dropout不能共存？這篇研究說能夠

算法工程師的必備學習資料，《AI算法工程師手冊》正式開源了

《百面機器學習》筆記-特徵工程相關面試題

 k-means聚類算法原理與參數調優詳解

高清圖解：神經網絡、機器學習、數據科學一網打盡|附PDF

微軟開源可解釋機器學習工具包lnterpretML

蘋果、微軟等巨頭107道機器學習面試題

一文總覽機器學習中各類【熵】的含義及本質

決策樹剪枝策略

線性模型已退場，XGBoost時代早已來

爲基於樹的機器學習模型構建更好的建模數據集的10個小技巧！

機器不學習：淺顯易懂！「高中數學」讀懂梯度降低的數學原理

聚類分析算法

無監督機器學習中，最多見的聚類算法有哪些？

專欄 | 機器學習 - 最大似然估計

機器學習算法集錦：從貝葉斯到深度學習及各自優缺點

乾貨|全面理解無監督學習基礎知識

圖解梯度降低背後的數學原理

 機器學習：特徵選擇和降維實例

基於經典的機器學習k-means聚類算法實現對三通道圖片的壓縮操做

機率分佈，先懂這6個

機器學習|最簡單易懂的機器學習

2019年11個值得研究的Javascript機器學習庫

 過擬合、欠擬合與正則化

機器學習的流程是怎樣的呢？如何應用到實踐中去呢？

經過隨機森林的例子解釋特徵重要性

機器學習可解釋性工具箱XAI

一文了解機器學習中的交叉熵

人工智能科普｜極大似然估計——機器學習重要知識點

理解馬爾可夫決策過程

透徹理解高斯核函數背後的哲學思想與數學思想

 2019年用於機器學習的50個最佳公共數據集

 透徹理解半監督學習的重要思想及機率視角

 深刻剖析機器學習中的統計思想

 利用隨機森林來進行特徵選擇（Python代碼實現）

機器學習基礎：理解梯度降低本質「附Python代碼」

乾貨｜機器學習-稀疏矩陣的處理

形象理解貝葉斯定理

機器學習實戰第一步：特徵選擇與特徵工程「附代碼」

機器學習入門：一文讓你快速瞭解機器學習

基於Kubernetes 的機器學習工做流

產品化機器學習的一些思考

「AI科技」機器學習算法之K-means算法原理及缺點改進思路

十分鐘掌握多項式迴歸：非線性預測

深刻理解支持向量機

 

分享一些阿里巴巴算法、數據工程師的筆試題以及答案

 揭祕人工智能面試內容：8家國際巨頭機器學習面試題目整理

這份GitHub萬星的機器學習算法面試大全請你們注意查收

 

 

2019-06-24 寫於蘇州市