Ta上传的资源 (0)

李航博士的《统计学习方法》可以说是机器学习的入门宝典。现如今,统计学习方法(第2版)于今年5月份出版,在第一版监督学习的基础上,增加了无监督学习内容,更加丰富,是非常值得学习材料。最近清华大学深圳研究院的袁春教授为《统计学习方法(第2版)》制作了课件方便学习观看。李航博士特此在微博上公开。

IBM最新《人工智能白皮书》,AI实践经验教训。基于全球各国各公司在AI实践中的经验教训,PPS和IBM发布了AI白皮书《More Than Meets AI Part II》。白皮书描述了这些机构在AI实践时遇到的偏见、安全、透明度、工作影响等问题。

随着大数据、深度学习在学术界和工业界的普及,人们越来越认识到数据对于科研和应用的重要性。虽然现在相关的工具和框架大大降低了构建数据应用的门槛,数据科学基础对应用的构建依然起着核心的作用。本文介绍微软研究院新版书籍《数据科学基础》。微软研究院新版书籍《数据科学基础》

在许多计算机科学的课程中,操作系统都是高级话题。学生在上这门课之前,它们已经知道了如何使用C语言编程,他们也可能上过计算机体系结构(组成原理)的课程。

深度学习（DeepLearning,DL）或阶层学习（hierarchicallearning）是机器学习的技术和研究领域之一，通过建立具有阶层结构的人工神经网络（ArtifitialNeuralNetworks,ANNs），在计算系统中实现人工智能。由于阶层ANN能够对输入信息进行逐层提取和筛选，

这本书旨在提供向量，矩阵和最小二乘方法的介绍，应用线性代数的基本主题。我们的目标是让很少或根本不接触线性代数的初中生在基本思想上有很好的基础，并欣赏它们在许多应用中的应用，包括数据录入、机器学习和人工智能、层析成像、导航、图像处理、南斯和自动控制系统。

MachineLearningforOpenCV》首先向您介绍统计学习的基本概念，例如分类和回归。一旦涵盖了所有基础知识，您将开始探索各种算法，例如决策树，支持向量机和贝叶斯网络，并学习如何将它们与其他OpenCV功能相结合。随着本书的进展，您的机器学习技能也将如此，直到您准备好接受当今最热门的话题