AI公园
-
4个导致面试数据科学家职位失败的原因
“数据科学家”很可能是本世纪最性感的工作。但雇佣一个人绝不是这样。事实上,这对公司来说是非常痛苦的。对于有志于在核心数据科学领域获得那份完美工作的人来说,这同样是一件大事。
-
工欲善其事必先利其器,哪个才是数据科学的最佳Python IDE?
在这么多的Python IDE中,哪个才是适合自己的呢?
-
如何使用Pandas来处理大量数据但不是大数据
我们用Pandas来处理大量数据,而不是大数据,为什么呢?
-
深度学习在视觉上的局限性以及我们如何对付它们
深度学习在视觉领域取得了巨大的成功,即便如此,深度学习在视觉上仍然有很多的局限性,这篇文章从深度学习的历史开始说起,阐述了深度学习在视觉上的局限性,并给出了一些可能的方案。
-
关于时间序列的一些内容
理解滑动平均,指数平滑,平稳性,自相关性以及SARIMA等等。
-
关于决策树,你想了解的都在这里
决策树,随机森林,bagging,boosting的介绍以及背后的原理。
-
深度学习资源大列表:关于深度学习你需要了解的一切
来自github的非常有针对性的深度学习资源,和其他的资源不同,既照顾了通用性,又照顾了不同的领域,覆盖非常广,非常的全面,有论文,有代码,有书,有博客,还有课程。
-
AI工程师需要知道的5个聚类算法
聚类作为一种无监督技术,在很多的场合非常的有用,今天給大家介绍5个非常常用的聚类算法,以及各自的优缺点。
-
序列模型简介:RNN, 双向RNN, LSTM, GRU,有图有真相
我们为什么需要序列模型?
-
想找个数据科学家的工作吗?
想找个数据科学家的工作吗?
-
决策树知道吗,就是XGBoost,LightGBM中用的那种啊?
决策树知道吗,就是XGBoost,LightGBM中用的那种啊?
-
PyTorch官方推荐!SWA:不增加推理时间提高泛化能力的集成方法
我们描述了最近提出的随机加权平均(SWA)技术,以及它在 torchcontrib中的新实现。
-
Boosting和Bagging: 如何开发一个鲁棒的机器学习算法
这篇文章从Bootstraping开始介绍,让你听懂什么是Boosting,什么是Bagging。
-
人人都能看得懂的深度学习介绍
自从大家知道我是做人工智能的以后,亲戚朋友经常会有人问我,什么是AI,什么是机器学习,什么是深度学习。
-
解密深度图像先验,使用深度图像先验来复原图像
在这篇文章中,我将主要关注图像恢复的任务,以及如何使用deep image prior来解决这个任务。