人工智能-火龙果软件工程

人工智能

	机器学习
	结构篇\| 分而治之思想-MOE架构		系统评价——综合评价方法（三）
	干货分享 \| 详解特征工程与推荐系统及其实践		一文看懂特征工程在金融风控中的应用
	系统评价——指标权重的确定（二）		系统评价——数据指标的规范化处理（一）
	基于多模态的抑郁症识别入门综述		用户特征工程超详细解读
	图解机器学习：人人都能懂的算法原理		特征工程（sklearn）
	一文助你了解机器学习		Python机器学习、深度学习库总结
	基于图像的机器学习技术分类电子商务产品		连通系统与机器学习的 MLOps 挑战在哪？这篇文章讲清楚了
	一文看懂AutoML		浅谈 AI 机器学习及实践总结
	企业MLOps实践之路		新技术新赛道专题\|AutoML助力AI开发效率提升
	分布式机器学习平台架构设计		AutoML研究综述：让AI学习设计AI
	机器学习之特征工程，工具（python3）		机器学习新概念-MLOps简介
	机器学习实战之特征工程		机器学习特征工程和优化方法
	强化学习的10个现实应用		机器学习特征工程方法总结
	强化学习算法DeepCube，机器自行解决复杂魔方问题		Carla环境配置与benchmark解读
	浅谈机器学习在自动驾驶中的应用		机器视觉软件VisionPro使用入门技巧
	主成分分析（PCA）简介		深入浅出机器学习算法：主成分分析
	从游戏AI到自动驾驶，一文看懂强化学习的概念及应用		机器学习之逻辑回归（Logistic Regression）
	主成分分析（PCA）原理详解		数据科学家必须要掌握的5种聚类算法
	产业链与核心技术（协作机器人）		Spark+Zeppelin交互式机器学习实战
	一个多无人机协调编队避障控制算法的思路		如何用TF-IDF算法提取文本中的关键词？
	【机器学习】主成分分析详解		异常检测怎么做，试试孤立随机森林算法（附代码）
	机器学习-逻辑回归分析（Python）		用通俗易懂的方式剖析随机森林
	nlp中的Attention注意力机制+Transformer详解		通俗易懂的随机森林模型讲解
	数据科学家最常用的十大机器学习算法		通俗解释随机森林算法
	数据科学家需要掌握的10项统计技术，快来测一测吧		理解随机森林：基于Python的实现和解释
	如何用Neo4j和Scikit-Learn做机器学习任务？）		一文读懂随机森林的解释和实现
	随机森林算法及其实现（Random Forest）		无人驾驶运动控制----pure pursuit算法实践和理解
	使用Stanley method实现无人车轨迹追踪		盘点机器学习算法在无人驾驶的应用
	机器学习和自然语言处理		机器学习之KNN（k近邻）算法详解
	贝叶斯模型构建分类器的设计与实现		深度学习瞎学之路--感知器
	异构计算基础及机器学习领域涌现的异构加速技术		OpenNLP：驾驭文本，分词那些事
	tensorflow tensorboard使用方法、应用场景和常见问题		自然语言处理在现实生活中运用
	Tensorboard 可视化好帮手 1		异构型实例科普---我眼中的异构计算
	Tensorboard 可视化好帮手 2		keras与tensorboard结合使用
	如何基于Flink+TensorFlow打造实时智能异常检测平台		tensorboard使用教程
	基于 Apache Flink 的机器学习算法平台实践与开源		TensorBoard基础篇
	TensorBoard的使用		tensorboad使用
	AI中台：一种敏捷的智能业务支持方案		Tensorflow的可视化工具Tensorboard的初步使用详解
	AutoML之自动化特征工程		机器学习平台跃迁，AI 中台才是大势所趋
	自动化机器学习（AutoML）之自动贝叶斯调参		【算法】TF-IDF算法及应用
	自动化的机器学习(AutoML)：将AutoML部署到云中		机器学习的流程是怎样的呢？如何应用到实践中去呢？
	TensorFlow及OpenCV在Android中的实际应用		伯克利提出通过深度强化学习实现共享自动化，建立灵活的人机系统
	一天就学会了自动驾驶——强化学习在自动驾驶的应用		自动化学习框架（AutoML）的性能比较
	集成学习总结 & Stacking方法详解		基于强化学习的自动驾驶预测控制技术
	机器学习scikit-learn使用笔记		大规模机器学习与AutoML技术
	机器学习实战(用Scikit-learn和TensorFlow进行机器学习)(三)		Gtest简单使用
	《深入浅出机器学习》之强化学习		机器学习算法Boosting
	通过 Q-learning 深入理解强化学习		Online Learning算法理论与实践
	入门系列之Scikit-learn在Python中构建机器学习分类器		机器学习(用Scikit-learn和TensorFlow进行机器学习)(二)
	一文了解强化学习		机器学习(用Scikit-learn和TensorFlow进行机器学习)(一)
	Python: 通过scikit-learn了解机器学习法		用Spark机器学习数据流水线进行广告检测
	机器学习之特征工程以及特征选择的工程方法		阿尔法狗的秘密：人工智能中的强化学习
	Python机器学习项目实战		基于scikit-learn机器学习库的分类预测
	matlab机器学习库		Python实现机器学习算法
	机器学习----matlab中的CNN		如何入门Python与机器学习
	模型集成（Ensemble）		线性回归算法Matlab实现
	机器学习算法总结		数据分析师最常用的10个机器学习算法！
	学好机器学习需要哪些数学知识？		通过机器学习和时间序列数据理解软件系统行为
	一文让你读懂什么是机器学习		从零开始学习SVM
	机器学习中的算法：决策树模型组合之GBDT		SVM 原理详解，通俗易懂
	Facebook使用机器学习手段来自动优化其系统性能		小白也能入门机器学习-线性回归
	机器学习：基于网格的聚类算法		决策树与随机森林
	机器学习模型		机器学习之于IOT浅见
	阿里巴巴机器翻译团队：将TVM引入TensorFlow中以优化GPU上的神经机器翻译		基于ROS的无人驾驶系统
	机器学习笔记1 – Hello World In Machine Learning		浅谈ROS的产品化探索（四）——生态系统篇
	世界上最简单的机器学习入门		浅谈ROS的产品化探索（二）——开发工具篇
	看机器学习如何还原图像色彩		使用Scratch2和ROS进行机器人编程学习
	我的机器学习笔记(二) - 单变量线性回归		机器学习与神经网络
	教机器学习摘要		产品经理，如何入门机器学习
	初学者如何选择合适的机器学习算法		机器学习，Hello World from Javascript!
	有趣的机器学习：最简明入门指南		机器学习必知的八大神经网络架构
	在生产环境使用Kafka构建和部署大规模机器学习		机器学习之决策树与随机森林模型
	机器学习算法介绍		大数据机器学习系统研究进展
	打造机器学习的基础架构平台		我的机器学习(一) - 监督学习vs 无监督学习
	机器学习技术之预测性维护		word2vec词向量训练及中文文本相似度计算
	机器学习之算法介绍		图解机器学习
	微博机器学习框架		Scikit-learn实现用于机器学习的文本数据准备
	从机器学习到深度学习		每个人都应该知道的3种机器学习算法
	分布式机器学习框架：MxNet 前言		使用Emoji（而非数学知识）进行深度学习
	如何让机器学习跳读		大规模机器学习的分布式优化通用框架
	如何用自动机器学习实现神经网络进化		基于Spark ML Pipeline构建机器学习应用
	如何解决机器学习中数据不平衡问题		机器学习之算法介绍
	图像分类 \| 深度学习PK传统机器学习		分布式机器学习平台编程模型演进之路
	运维场景下的机器学习尝试		机器学习技术之预测性维护
	机器学习项目中的数据预处理与数据整理之比较		如何用自动机器学习实现神经网络进化
	如何解决机器学习中数据不平衡问题		Youtube 短视频推荐系统变迁从机器学习到深度学习
	KNN算法实战：验证码的识别		大规模机器学习系统中的No Free Lunch
	一文读懂AlphaGo背后的强化学习		PAI分布式机器学习平台编程模型演进之路
	你还在用用户画像和协同过滤做推荐系统吗？		机器学习算法实验的重复次数估计
	人工智能在线特征系统中的数据存取技术		Weiflow——微博机器学习框架
	程序员带你一步步分析 AI 如何玩 Flappy Bird		图像分类 \| 深度学习PK传统机器学习
	2016机器学习大盘点（第2篇）		2016机器学习大盘点（第4篇）
			2016机器学习大盘点（第3篇）

相关课程 更多

人工智能，机器学习和深度学习

成功案例 更多