AI公园

信息论是对深度学习和人工智能做出重要贡献的一个重要领域，但很多人对信息论知之甚少。信息论可以看作是深度学习的基本组成部分：微积分、概率和统计学的复杂组合。

数据清洗是大数据处理的第一步，很多同学对这一步感到没有头绪，不知道哪些该清洗掉，哪些不该，看看这篇文章，是不是能有点启发？

数据科学家为什么这么贵？这篇文章通过一些统计数据告诉你为什么

2019的MIT的最新深度学习教程，内容包括神经网络解决计算机视觉、自然语言处理、游戏、自动驾驶、机器人等领域问题的基础知识。来一睹为快吧！

这10个算法（方法）可以说是目前深度学习中非常基础和出镜率非常高的算法和方法，关键是非常的有效，一起来看看吧！

大家都遇到过这种情况，训练的时候没什么问题，测试的时候就不对劲了，想找问题，感觉无处入手，那么今天，给你37个建议，看看再说吧。

感受野可能是卷积神经网络(CNNs)中最重要的概念之一，值得更多的关注。

这篇文章是对Bag of Tricks for Image Classification with Convolutional Neural Networks中分享的思想的概述和我自己的一点思考。

不要再用sklearn中的StandarScaler作为默认的特征缩放方法了，别的方法可以给你7%的准确率提升！

新手数据科学家最容易踩的5个坑，来看看你有没有中招

给你详细讲解TensorFlow2.0中两种不同构建模型风格的优缺点，以及什么时候用什么风格。

作者：Neerja Doshi编译：ronghuaiyang 导读 谱聚类，了解直觉以及背后的数学原理 什么是聚类？ 聚类是一种广泛使用的无监督学习方法。聚类是这样分组的：集群中的点彼此相似，而与其他集群中的点不太相似。因此，如何在数据中寻找模式并为我们分组取决于算法，根据使用的算法，我们可能最终得到不同的集群。 有两种广泛使用的聚类方法： 紧密性——相互靠…

对于希望学习算法或尝试现有框架的人来说，预训练的模型是一个很好的帮助。由于时间限制或计算资源的限制，不可能总是从头构建模型，这就是为什么存在预训练模型！

深度神经网络是否过拟合？