写给人类的机器学习 翻译完成
2017-10-23
1002
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
写给人类的机器学习原书：Machine Learning for Humans译者：飞龙（等） 这个世界不缺少科学家，缺少能说人话的科学家。
目录
相关文章
|
7月前
|
机器学习/深度学习
自然语言处理
Linux
【专栏】Linux 中的机器学习：Whisper适用于语音助手、翻译等领域，随着技术发展，其应用前景广阔
【4月更文挑战第28天】本文探讨了在Linux环境下，先进自动语音识别系统Whisper的运用与实现高效ASR。Whisper基于PyTorch，支持多语言识别，具有高准确性和实时性。文中介绍了安装配置Whisper的步骤，包括安装依赖、下载代码、配置环境变量及编译安装。通过数据准备、模型训练和识别，可实现语音识别功能。Whisper适用于语音助手、翻译等领域，随着技术发展，其应用前景广阔。
297
1
1
|
机器学习/深度学习
人工智能
监控
AI：Algorithmia《2020 state of enterprise machine learning—2020年企业机器学习状况》翻译与解读
AI：Algorithmia《2020 state of enterprise machine learning—2020年企业机器学习状况》翻译与解读
287
0
0
|
机器学习/深度学习
存储
机器人
|
机器学习/深度学习
Web App开发
缓存
|
机器学习/深度学习
存储
前端开发
|
机器学习/深度学习
API
Python
|
机器学习/深度学习
Shell
API
|
机器学习/深度学习
监控
Kubernetes
AI：《Why is DevOps for Machine Learning so Different?—为什么机器学习的 DevOps 如此不同？》翻译与解读
AI：《Why is DevOps for Machine Learning so Different?—为什么机器学习的 DevOps 如此不同？》翻译与解读
209
0
0
|
机器学习/深度学习
SQL
人工智能
AI：Algorithmia《2021 enterprise trends in machine learning 2021年机器学习的企业趋势》翻译与解读
AI：Algorithmia《2021 enterprise trends in machine learning 2021年机器学习的企业趋势》翻译与解读
229
0
0
|
机器学习/深度学习
算法
搜索推荐
Paper：《A Few Useful Things to Know About Machine Learning—关于机器学习的一些有用的知识》翻译与解读
Paper：《A Few Useful Things to Know About Machine Learning—关于机器学习的一些有用的知识》翻译与解读
258
0
0
热门文章
最新文章
1
一个易用且高效的基于 PyTorch 的 MoE 模型训练系统.
2
Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版（二）（2）
3
【机器学习】如何根据训练集大小选择分类器？
4
极大降低大模型训练内存需求，Meta等推出高效方法
5
机器学习-异常检测算法（二）：Local Outlier Factor
6
回归算法全解析！一文读懂机器学习中的回归模型
7
AI推理服务平台升级，阿里云机器学习PAI推出新规格
8
图解机器学习 | 回归树模型详解
9
【GTC 22】通过 PAI-Blade 更方便、更鲁棒地使用 TensorRT
10
Python3入门机器学习 - 模型泛化
1
【Python机器学习专栏】Python环境下的机器学习库概览
114
2
【python】Python大豆特征数据分析 [机器学习版一]（代码+论文）【独一无二】
111
3
机器学习实战第3天：手写数字识别
190
4
机器学习库：numpy
86
5
机器学习第11天：降维
98
6
构建高效机器学习模型的五大技巧
94
7
构建高效机器学习模型：从数据预处理到模型优化
104
8
构建高效机器学习模型：从特征工程到模型调优
105
9
Machine Learning机器学习之贝叶斯网络(BayesianNetwork)
1352
10
Machine Learning机器学习之决策树算法 Decision Tree（附Python代码）
391