暂时未有相关云产品技术能力~
公众号 Deephub-IMBA
DNN、CNN和RNN的12种主要dropout方法的数学和视觉解释(三)
DNN、CNN和RNN的12种主要dropout方法的数学和视觉解释(二)
DNN、CNN和RNN的12种主要dropout方法的数学和视觉解释(一)
Adam 优化算法详解
DevOps与机器学习的集成:使用Jenkins自动调整模型的超参数(二)
DevOps与机器学习的集成:使用Jenkins自动调整模型的超参数(一)
15个能使你工作效率翻倍的Jupyter Notebook的小技巧(二)
15个能使你工作效率翻倍的Jupyter Notebook的小技巧(一)
机器学习中评估分类模型性能的10个重要指标(二)
机器学习中评估分类模型性能的10个重要指标(一)
在Python中用Seaborn美化图表的3个示例
自动美化你的Matplotlib ,使用Seaborn控制图表的默认值(二)
为什么中位数(大多数时候)比平均值好
使用PyTorch手写代码从头构建完整的LSTM(二)
使用PyTorch手写代码从头构建完整的LSTM(一)
条件变分自动编码器CVAE:基本原理简介和keras实现
权重衰减== L2正则化?(二)
权重衰减== L2正则化?(一)
1D卷积入门:一维卷积是如何处理数字信号的
多元线性回归的模型解释、假设检验、特征选择(二)
多元线性回归的模型解释、假设检验、特征选择(一)
AI如何能比人类的眼睛看得更清楚?通俗的解释卷积神经网络
Python手写强化学习Q-learning算法玩井字棋
通过Ti-One机器学习平台玩转2020腾讯广告算法大赛:数据预处理(三)
通过Ti-One机器学习平台玩转2020腾讯广告算法大赛:数据预处理(二)
通过Ti-One机器学习平台玩转2020腾讯广告算法大赛:数据预处理(一)
文档理解是从pdf、图像和Word文档中提取关键信息的技术。这篇文章的目标是提供一个文档理解模型的概述。
Python和R之间转换的基本指南:使用Python或R知识来有效学习另一种方法的简单方法
使用Python线性回归预测Steam游戏的打折的幅度(二)
使用Python线性回归预测Steam游戏的打折的幅度(一)
来自G胖的微笑:使用python监督学习预测Steam游戏打折的概率(二)
推荐系统为什么使用稀疏矩阵?如何使用python的SciPy包处理稀疏矩阵(二)
推荐系统为什么使用稀疏矩阵?如何使用python的SciPy包处理稀疏矩阵(一)
为什么LSTM看起来那么复杂,以及如何避免时序数据的处理差异和混乱(二)
为什么LSTM看起来那么复杂,以及如何避免时序数据的处理差异和混乱(一)
深度科普:What the f,机器学习中的“ f”到底是什么(二)
深度科普:What the f,机器学习中的“ f”到底是什么(一)
使用神经网络的建立与分析遗传基因数据模型(二)
使用神经网络的建立与分析遗传基因数据模型(一)
深度学习的端到端文本OCR:使用EAST从自然场景图片中提取文本(二)
深度学习的端到端文本OCR:使用EAST从自然场景图片中提取文本(一)
基于图卷积神经网络GCN的时间序列预测:图与递归结构相结合的库存品需求预测
一个简单的更改让PyTorch读取表格数据的速度提高20倍:可大大加快深度学习训练的速度
数据的预处理基础:如何处理缺失值(二)
数据的预处理基础:如何处理缺失值(一)
XGBoost算法背后的数学:尽可能简单地解释XGBoost算法背后的数学机制(二)
XGBoost算法背后的数学:尽可能简单地解释XGBoost算法背后的数学机制(一)
机器学习模型的超参数优化(二)
机器学习模型的超参数优化(一)
Explainable AI (XAI) 不能解释什么,以及我们如何解决这个问题(二)