ShowMeAI_社区达人页

2022年04月

• 04.21 17:58:01
  发表了文章 2022-04-21 17:58:01

  图解大数据 | Hadoop系统搭建与环境配置@实操案例

  本教程详细讲解Hadoop的安装与环境配置方法，并配有相关软件的下载方法。需要注意的是，本教程的工作环境为Linux系统。

  
• 04.21 17:57:46
  发表了文章 2022-04-21 17:57:46

  图解大数据 | 分布式平台Hadoop与Map-Reduce详解

  Hadoop是最基础和场景的开源分布式计算平台，ShowMeAI在本节内容中给大家讲解Hadoop相关知识。

  
• 04.21 17:57:36
  发表了文章 2022-04-21 17:57:36

  图解大数据 | 大数据生态与应用导论

  随着互联网高速发展，网络数据呈现出指数级别的快速增长，针对海量数据处理的大数据解决方案应运而生。ShowMeAI将在接下来的内容中逐步展开讲解大数据生态工具的应用，以及大数据的处理分析挖掘方法。

  
• 04.21 17:56:59
  发表了文章 2022-04-21 17:56:59

  图解大数据技术：从入门到精通系列教程

  本篇内容是ShowMeAI组织的「图解大数据处理与开发」系列教程入口，本教程以大数据技术为根基，给大家讲解大数据开发与数据处理分析的相关知识与技能，并配以相关的实战案例帮助大家学习理解。

  
• 04.21 17:33:12
  发表了文章 2022-04-21 17:33:12

  机器学习实战 | AutoML自动化机器学习建模

  本篇介绍工具库FLAML。FLAML 由 Microsoft Research 开发，适用于AutoML自动化机器学习建模，构建端到端机器学习流程、解决实际场景问题。

  
• 04.21 17:32:42
  发表了文章 2022-04-21 17:32:42

  机器学习实战 | 自动化特征工程工具Featuretools应用

  本篇讲解使用自动化特征工程工具Featuretools，对数据进行自动化特征工程的方法，并借助于BigMart Sales数据集来演示自动化特征工程的相关应用。

  
• 04.21 17:32:06
  发表了文章 2022-04-21 17:32:06

  机器学习实战 | 机器学习特征工程最全解读

  本篇内容给大家详细讲解了特征工程的知识，包括数据清洗（数据对齐、缺失值处理、异常值处理），特征构建，特征变换，特征选择与实战特征工程经验等内容。

  
• 04.21 17:31:45
  发表了文章 2022-04-21 17:31:45

  机器学习实战 | 综合项目-电商销量预估进阶方案

  本篇内容是Kaggle数据科学竞赛Rossmann store sales解决方案的进阶版本，整体方案包括探索性数据分析、缺失值处理、特征工程、基准模型与评估、XGBoost建模与调优等完整板块。

  
• 04.21 17:31:23
  发表了文章 2022-04-21 17:31:23

  机器学习实战 | 综合项目-电商销量预估

  本篇内容基于Kaggle数据科学竞赛Rossmann store sales，梳理和总结基于Python解决电商建模的全过程：包括数据探索分析、数据预处理与特征工程、建模与调优。

  
• 04.21 17:20:50
  发表了文章 2022-04-21 17:20:50

  机器学习实战 | LightGBM建模应用详解

  本篇详细讲解LightGBM的工程应用方法。LightGBM是微软开发的boosting集成模型，和XGBoost一样是对GBDT的优化和高效实现，但它很多方面比XGBoost有着更为优秀的表现。

  
• 04.21 17:20:18
  发表了文章 2022-04-21 17:20:18

  机器学习实战 | XGBoost建模应用详解

  本篇内容详细讲解XGBoost的工程应用方法。XGBoost是一个非常强大的Boosting算法工具包，是很多大厂机器学习方案的模型首选，在并行计算效率、缺失值处理、控制过拟合等能力上都表现非常优秀。

  
• 04.21 17:19:51
  发表了文章 2022-04-21 17:19:51

  机器学习实战 | SKLearn最全应用指南

  本篇内容详解scikit-learn工具库的用法，覆盖机器学习基础知识、SKLearn讲解、SKLearn三大核心API、SKLearn高级API等内容。

  
• 04.21 17:19:20
  发表了文章 2022-04-21 17:19:20

  机器学习实战 | SKLearn入门与简单应用案例

  本篇内容介绍了SKLearn的核心板块，并通过SKLearn自带的数据集，讲解一个典型应用案例。

  
• 04.21 17:18:52
  发表了文章 2022-04-21 17:18:52

  机器学习实战 | Python机器学习算法应用实践

  本篇文章详解机器学习应用流程，应用在结构化数据和非结构化数据(图像)上，借助案例重温机器学习基础知识，并学习应用机器学习解决问题的基本流程。

  
• 04.21 17:18:14
  发表了文章 2022-04-21 17:18:14

  机器学习实战：手把手教你玩转机器学习系列

  Python机器学习实战系列教程，以案例和代码驱动的方式，帮助大家学习机器学习算法应用流程和各个链条环节，掌握构建场景建模解决方案并进行效果调优的能力。

  
• 04.21 15:56:53
  发表了文章 2022-04-21 15:56:53

  图解机器学习 | 聚类算法详解

  聚类是最常见的无监督学习算法。本文讲解聚类问题常见算法及用途，包括划分聚类的K-Means算法、K-Medoids算法，层次聚类的Single-Linkage 算法、Complete-Linkage算法，和DB-SCAN算法。

  
• 04.21 15:56:37
  发表了文章 2022-04-21 15:56:37

  图解机器学习 | 支持向量机模型详解

  SVM是机器学习领域非常知名的模型。本文讲解SVM的最大间隔分类器、模型原理、核函数与核技巧等重要知识点，并附上线性核函数、多项式核函数和高斯核函数的Python代码实践。

  
• 04.21 15:56:15
  发表了文章 2022-04-21 15:56:15

  图解机器学习 | LightGBM模型详解

  LightGBM是GBDT的进化版本，在效率、内存、准确率方面表现优秀。本文讲解LightGBM的动机、优缺点及优化点、决策树算法及生长策略、类别性特征支持、并行支持与优化等重要知识点。

  
• 04.21 15:50:49
  发表了文章 2022-04-21 15:50:49

  图解机器学习 | XGBoost模型详解

  XGBoost一个非常强大的Boosting算法工具包，本文讲解XGBoost的算法原理和工程实现，包括监督学习、回归树、集成、Gradient Boosting详细步骤，以及XGBoost的并行列块涉及、缓存访问等工程优化知识。

  
• 04.21 15:50:03
  发表了文章 2022-04-21 15:50:03

  图解机器学习 | GBDT模型详解

  GBDT是一种迭代的决策树算法，将决策树与集成思想进行了有效的结合。本文讲解GBDT算法的Boosting核心思想、训练过程、优缺点、与随机森林的对比、以及Python代码实现。

  
• 04.21 15:49:25
  发表了文章 2022-04-21 15:49:25

  图解机器学习 | 回归树模型详解

  用于回归任务的决策树称作回归树，属性选择与生长方式与分类决策树不同。本文讲解决策树回归算法的核心思想、启发式切分、最优属性选择、过拟合、正则化、以及缺失值处理等关键知识点。

  
• 04.21 15:48:39
  发表了文章 2022-04-21 15:48:39

  图解机器学习 | 随机森林分类模型详解

  随机森林是一种由决策树构成的（并行）集成算法。本文讲解随机森林算法涉及的模型集成、Bagging、算法特点及优缺点等重要知识点，最后介绍关键参数和参数调优。

  
• 04.21 15:47:53
  发表了文章 2022-04-21 15:47:53

  图解机器学习 | 决策树模型详解

  决策树是机器学习中一种经典的分类与回归算法。本文讲解用于分类的决策树，包括算法核心思想、算法过程、最优划分、属性选择、过拟合与连续值处理、缺失值处理等重要知识点。

  
• 04.21 15:42:11
  发表了文章 2022-04-21 15:42:11

  图解机器学习 | 朴素贝叶斯算法详解

  朴素贝叶斯是一个非常直观的模型。本文讲解朴素贝叶斯算法的核心思想、贝叶斯公式、条件独立假设、平滑出等重要知识点，并图解多项式贝叶斯和伯努利贝叶斯等多种形态。

  
• 04.21 15:41:49
  发表了文章 2022-04-21 15:41:49

  图解机器学习 | 逻辑回归算法详解

  逻辑回归简单有效且可解释性强，是机器学习领域最常见的模型之一。本文讲解逻辑回归算法的核心思想，并讲解sigmoid函数、梯度下降、解决过拟合、线性/非线性切分等重要知识点。

  
• 04.21 15:41:03
  发表了文章 2022-04-21 15:41:03

  图解机器学习 | KNN算法及其应用

  KNN算法（K近邻算法）是一种很朴实的机器学习方法，既可以做分类，也可以做回归。本文详细讲解KNN算法相关的知识，包括：核心思想、算法步骤、核心要素、缺点与改进等。

  
• 04.21 15:40:34
  发表了文章 2022-04-21 15:40:34

  图解机器学习 | 模型评估方法与准则

  在AI场景下，我们同样需要定量的数值化指标，来指导我们更好地应用模型对数据进行学习和建模。本文讲解模型评估的一般流程，以及分类评估指标、回归评估指标的计算方式和适用场景。

  
• 04.21 15:40:07
  发表了文章 2022-04-21 15:40:07

  图解机器学习 | 机器学习基础知识

  本文覆盖机器学习常见知识要点，包括机器学习流程、算法分类（监督学习、无监督学习、强化学习）、依托的问题场景（分类、回归、聚类、降维）、机器学习模型评估与选择等。

  
• 04.21 15:36:38
  发表了文章 2022-04-21 15:36:38

  图解机器学习算法 | 从入门到精通系列教程

  本篇内容是ShowMeAI组织的「图解机器学习算法」系列教程入口，本教程尽量以生动可视化的方式，帮助大家理解机器学习的核心知识和重要的系列模型，并配以相关的代码实现帮助大家了解应用方法。（对机器学习实战感兴趣的同学，可以关注ShowMeAI的另外一个系列[机器学习应用实践]）

  
• 04.21 15:07:27
  发表了文章 2022-04-21 15:07:27

  深度学习教程 | Seq2Seq序列模型和注意力机制

  本篇介绍自然语言处理中关于序列模型的高级知识，包括Sequence to sequence序列到序列模型和注意力机制。

  
• 04.21 15:05:39
  发表了文章 2022-04-21 15:05:39

  深度学习教程 | 自然语言处理与词嵌入

  本节介绍自然语言处理的文本表示与词嵌入相关知识，包括：词嵌入与迁移学习/类比推理，词嵌入学习方法，神经概率语言模型，word2vec(skip-gram与CBOW)，GloVe，情感分析，词嵌入消除偏见

  
• 04.21 15:03:46
  发表了文章 2022-04-21 15:03:46

  深度学习教程 | 序列模型与RNN网络

  本节介绍介绍循环神经网络(RNN)的重要知识，包括：循环神经网络RNN，语言模型，采样生成序列，RNN梯度消失与梯度爆炸，GRU(门控循环单元)，LSTM(长短期记忆)，双向与深度RNN等

  
• 04.21 14:59:15
  发表了文章 2022-04-21 14:59:15

  深度学习教程 | CNN应用：人脸识别和神经风格转换

  本节介绍计算机视觉中其他应用，包括：人脸识别、Siamese网络、三元组损失Triplet loss、人脸验证、CNN表征、神经网络风格迁移、1D与3D卷积。

  
• 04.21 14:59:01
  发表了文章 2022-04-21 14:59:01

  深度学习教程 | CNN应用：目标检测

  本节介绍目标检测，是计算机视觉中最典型的应用之一，主要内容包括：目标定位，特征点检测，目标检测，边框预测，非极大值抑制，YOLO，RCNN等。

  
• 04.21 14:58:47
  发表了文章 2022-04-21 14:58:47

  深度学习教程 | 经典CNN网络实例详解

  本节展开介绍典型的CNN结构（LeNet-5、AlexNet、VGG），以及 ResNet(Residual Network，残差网络)，Inception Neural Network，1x1卷积，迁移学习，数据扩增和手工工程与计算机现状等知识点。

  
• 04.21 14:50:45
  发表了文章 2022-04-21 14:50:45

  深度学习教程 | 卷积神经网络解读

  本节介绍卷积神经网络，覆盖以下内容要点：卷积计算、填充，卷积神经网络单层结构，池化层结构，卷积神经网络典型结构，CNN特点与优势。

  
• 04.21 14:50:24
  发表了文章 2022-04-21 14:50:24

  深度学习教程 | AI应用实践策略(下)

  本节覆盖构建机器学习项目的后半部分内容，包括：错误分析(error analysis)，错误标签情况及修正，数据分布和数据不匹配问题及解决办法，迁移学习，多任务学习，端到端学习。

  
• 04.21 14:49:56
  发表了文章 2022-04-21 14:49:56

  深度学习教程 | AI应用实践策略(上)

  本节覆盖机器学习中的一些策略和方法，让我们能够更快更有效地让机器学习系统工作，内容包括：正交化方法，建立单值评价指标，数据集划分要点，人类水平误差与可避免偏差，提高机器学习模型性能总结等。

  
• 04.21 14:49:33
  发表了文章 2022-04-21 14:49:33

  深度学习教程 | 网络优化：超参数调优、正则化、批归一化和程序框架

  本节介绍超参数调试、批归一化和深度学习编程框架三个部分，内容包括：超参数优先级与调参技巧，超参数的合适范围确定，Batch Normalization，softmax回归，深度学习框架等。

  
• 04.21 14:49:10
  发表了文章 2022-04-21 14:49:10

  深度学习教程 | 神经网络优化算法

  本节介绍深度神经网络中的一些优化算法，使用这些技巧和方法来提高神经网络的训练速度和精度：mini-batch，随机梯度下降，指数加权平均，动量梯度下降、RMSprop和Adam算法，学习率衰减法等。

  
• 04.21 14:30:03
  发表了文章 2022-04-21 14:30:03

  深度学习教程 | 深度学习的实用层面

  本篇讲解如何优化神经网络模型，包括Train / Dev / Test sets的切分和比例选择，Bias和Variance的相关知识，防止过拟合的方法，规范化输入以加快梯度下降速度和精度，梯度消失和梯度爆炸的原因及处理方法，梯度检查。

  
• 04.21 14:29:01
  发表了文章 2022-04-21 14:29:01

  深度学习教程 | 深层神经网络

  本节讨论深层神经网络，包括深层神经网络的结构、深层神经网络前向传播和反向传播过程、需要深层神经网络的原因、神经网络参与超参数、神经网络与人脑简单对比。

  
• 04.21 14:27:40
  发表了文章 2022-04-21 14:27:40

  深度学习教程 | 浅层神经网络

  本文从浅层神经网络入手，讲解神经网络的基本结构(输入层，隐藏层和输出层)，浅层神经网络前向传播和反向传播过程，神经网络参数的梯度下降优化，不同的激活函数的优缺点及非线性的原因

  
• 04.21 14:22:42
  发表了文章 2022-04-21 14:22:42

  深度学习教程 | 神经网络基础

  本节介绍神经网络的基础——逻辑回归，通过对逻辑回归模型结构的分析，过渡到后续神经网络模型。内容包括二分类问题、逻辑回归模型及损失函数，梯度下降算法，计算图与正向传播及反向传播。

  
• 04.21 14:10:30
  发表了文章 2022-04-21 14:10:30

  深度学习教程 | 深度学习概论

  本篇为深度学习系列教程的引言，以房价预测为例，讲解神经网络(Neural Network)模型结构和基础知识，并介绍针对监督学习的几类典型神经网络：Standard NN，CNN和RNN等知识。

  
• 04.21 13:58:20
  发表了文章 2022-04-21 13:58:20

  深度学习教程 | 吴恩达专项课程 · 全套笔记解读

  本篇内容是组织的「深度学习原理知识大全」系列教程入口，教程依托吴恩达老师《深度学习专项课程》，对内容做了重新梳理与制作，以更全面和直观的图文方式，对深度学习涉及的知识、模型、原理、应用领域等进行详解