分享人工智能方向优质博客

想要阅读更多关于人工智能技术博客,请关注微信公众号:人工智能大讲堂

 专注人工智能底层数学原理和应用,专栏包括线性代数,概率统计,机器学习,深度学习。

线性代数博客汇总

线性代数博客合集

线性代数本质(一):向量,线性组合,线性相关,基

线性代数本质(二):矩阵与线性变换

线性代数本质(三):逆矩阵,列空间,秩与零空间

线性代数本质(四):克莱姆法则

线性代数本质(五):非方阵

线性代数本质(六):点积与对偶性

线性代数本质(七):叉积

线性代数本质(八):以线性变换眼光看叉积

线性代数本质(九):基变换

线性代数本质(十):特征向量与特征值

MIT线性代数课程笔记(一)

MIT线性代数课程笔记(二)

MIT线性代数课程笔记(三)

MIT线性代数课程笔记(四)

MIT线性代数课程笔记(五)

MIT线性代数课程笔记(六)

MIT线性代数课程笔记(七)

MIT线性代数课程笔记(八)

线性代数应用(一):线性回归分析

线性代数应用(二):线性代数在游戏中的应用

线性代数应用(三):PCA数据降维

线性代数应用(四):奇异值分解数据降维

线性代数应用(五):线性代数在图像配准中的应用

线性代数应用(六):线性代数进行信息检索

线性代数应用(七):协同过滤实现推荐系统

线性代数应用(八):PageRank分析

线性代数应用(九):奇异值的物理意义

线性代数应用(十):线性代数在你的领域有哪些应用?

线性代数应用(十一):ICP点云配准背后的数学原理

线性代数应用(十二):介绍几种矩阵分解算法和应用

线性代数应用(十三):Jacobian矩阵和Hessian矩阵的作用是什么?

线性代数应用(十四):向量的点积和光线追踪

线性代数应用(十五):学习线性代数有什么用?

线性代数应用(十六):菜市场里的矩阵乘法

线性代数应用(十七):线性代数在数据科学中的应用

线性代数应用(十八):看线性代数如何进行人脸识别

线性代数应用(十九):求解线性方程组的迭代方法

矩阵求导上

矩阵求导下

线性代数可视化工具:manim

线性代数知识点串烧

无处不在的迭代思想

概率统计博客汇总

概率统计博客合集

概率的本质是什么?

统计学到底是个啥?

中心极限定理应用

正态分布为什么常见?

大数定理的通俗理解

通俗易懂讲解“协方差”与“相关系数”

机器学习为什么需要概率与统计?

概率统计在自然语言处理中的应用

通过熵和信息增益进行特征选择

使用贝叶斯进行水果分类

从数学角度解释个人单身原因

如何用数学知识去计算后宫三千佳丽的宠幸问题

机器学习博客汇总

机器学习博客合集

机器学习知识点串烧

线性回归分析

线性回归的N种求解方法

为什么回归问题用 MSE?

回归的多种写法:线性回归-贝叶斯线性回归-高斯过程回归

三种能够处理离群值的线性回归模型

正则化到底是什么?

机器学习源码分析:逻辑回归

常见的几种最优化方法

梯度下降背后的数学之美

最大似然估计和最小二乘法怎么理解

机器学习源码分析-EM

机器学习源码分析-K-最近邻

机器学习源码分析-支持向量机SVM

拉格朗日乘子法与对偶问题

机器学习源码分析:贝叶斯

机器学习源码分析-聚类

10种顶流聚类算法及实现

深度学习聚类的综述

决策树(一):信息熵和信息增益

决策树(二):ID3,C4.5,CART

决策树防止过拟合方法:剪枝

决策树(中)——Random Forest、Adaboost、GBDT (非常详细)

使用随机森林进行数据降维

Isolation Forest(孤立森林)进行异常检测

特征值分解

如何通俗易懂地讲解PCA?

奇异值分解

高斯过程(一)

高斯过程(二)

高斯过程(三)

概率图模型

图解马尔科夫链,PCA,贝叶斯

深刻地理解随机过程的含义

一文搞懂马尔科夫链

集成学习(一)

集成学习(二)

GBDT基础:回归树

GBDT基础:提升树

深入理解LightGBM

梯度提升算法决策过程的逐步可视化

由过拟合欠拟合引出模型选择的思考

各种机器学习算法的特点以及应用场景对比

机器学习中的明星模型

图解最常用的10大机器学习算法!

用户留存分析

时间序列和回归分析的本质区别

如何通过显著性检验,判断你的A/B测试结果是不是巧合?(上)

如何通过显著性检验,判断你的A/B测试结果是不是巧合?(下)

主动学习(Active Learning)概述及最新研究

常用监督学习速查表

机器学习的“难”与“易”

机器学习中的“假设”思想

如何处理不平衡数据集

给大家推荐几个资源

到底什么泰勒公式?

数学基础

机器学习应补充哪些数学基础?

深度学习博客汇总

深度学习博客合集

深度学习损失函数优化过程的数学原理

Adam优化算法的优点

关于优化算法的亿点思考

梯度下降法、牛顿法和拟牛顿法

Adam那么棒,为什么还对SGD念念不忘?一文看懂深度学习优化算法

梯度和法向量的关系

深度学习数学基础知识

深度学习背后的数学原理

到底什么是深度学习?

深度学习综述

深度学习领域有哪些瓶颈?

分享一些调参经验

神经网络基础知识1.基础知识

神经网络基础知识2.距离计算

神经网络基础知识3.评价指标

神经网络基础知识4.优化策略

神经网络基础知识5.激活函数

神经网络基础知识6.损失函数

神经网络基础知识7.模型调优

神经网络基础知识8.归一化方法

ResetNet到底解决了什么问题?

计算机视觉综述

CNN基础知识1.综述

CNN基础知识2.池化

CNN基础知识3.CNN中模型的参数量与FLOPs计算

CNN基础知识4.卷积算子

YOLOv3原理与实践下

YOLOv3原理与实践上

CNN到底具不具有平移不变性?

目标检测任务中,各类样本不均衡问题总数

到底什么是强化学习?

应用强化学习进行集成电路设计(英文)

强化学习

图学习初印象

图神经网络的数学原理总结

什么是图神经网络?

图神经网络与图注意力网络

图表示学习技术在药物推荐系统中的应用

【理论+实践】自动编码器(AutoEncoder)基本概念及应用(飞浆)

自编码器AutoEncoder实现CT图像降噪

ChatGPT初体验

ChatGPT训练过程梳理解析

自然语言处理综述

一个完整的深度学习例子:项目简介

一个完整的深度学习例子:环境搭建

一个完整的深度学习例子:数据准备

一个完整的深度学习例子:模型训练

一个完整的深度学习例子:推理

AutoML(一):概述

AutoML(二):微软NNI框架

AutoML(三):利用贝叶斯优化进行超参数搜索

How to Build a Winning Recommendation System, Part 1

How to Build a Deep Learning Powered Recommender System, Part 2

How to Build a Winning Recommender System-Part 3

深度学习下的图像配准

AI在影像设备全流程工作周期应用

医疗影像领域AI软件开发流程

图像处理技术的心酸史

AI中的数学思想

稠密物体计数的演进之路

OpenCV不止能解决AI最后一公里的问题

图像分割演进之路

换个角度看问题

深度学习下的图像分割

当图像分割遇上关键点检测

华为天才少年谢凌曦:关于视觉识别领域发展的个人观点

如何实现高速卷积?深度学习库使用了这些「黑魔法」

深度学习在自动驾驶领域的应用

深度学习:知识蒸馏

有哪些深度学习效果不如传统方法的经典案例?

通过医疗领域深度学习框架MONAI实现医疗图像配准

在OpenCV中基于深度学习的边缘检测

为什么深度学习去噪都采用高斯白噪声?

神经网络能否代替决策树算法?

复现深度学习模型的几点建议

能否使用神经网络来判断奇偶数?

既然DNN可以拟合任何复杂函数,那为什么还要CNN,RNN,GNN?

为什么Batch Normalization那么有用?

为什么模型喜欢“深”而不是“宽”

一篇适合新手的深度学习综述

史上最全的深度学习面经总结(附答案详解)

神经网络的参数如何初始化?

深度学习中高斯噪声:为什么以及如何使用

分享几本人工智能基础好书

神经网络反向传播的数学原理

GAN背后的数学原理

想要阅读更多关于人工智能技术博客,请关注微信公众号:人工智能大讲堂

专注人工智能底层数学原理和应用,专栏包括线性代数,概率统计,机器学习,深度学习。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 217,907评论 6 506
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,987评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,298评论 0 354
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,586评论 1 293
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,633评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,488评论 1 302
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,275评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,176评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,619评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,819评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,932评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,655评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,265评论 3 329
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,871评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,994评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,095评论 3 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,884评论 2 354

推荐阅读更多精彩内容