学习学习中
监督学习和无监督学习区别
大家好，又见面了，我是你们的朋友全栈君。 前言机器学习分为：监督学习，无监督学习，半监督学习（也可以用hinton所说的强化学习）等。在这里，主要理解一下监督学习和无监督学习。监督学习（supervised learning）从给定的训练数据集中学习出一个函数（模型参数），当新的数据到来时，可以根据这个函数预测结果。监督学习的训练集要求包括输入输出，也可以说是特征和目标。训练集中的目标是由人标
日期 2023-06-12 10:48:40机器学习 | 四大常用机器学习Python库介绍
今天这篇我们介绍下Python中常用的机器学习库(机器学习、深度学习啥的，小编还是建议使用Python进行建模编写哈)，也算是本公号机器学习的第一篇推文，主要内容如下：机器学习常用四大Python库关于机器学习的我想说的话深度学习常用四大Python库这一部分我们简单介绍下Python中的常用的机器学习库，算是比较入门的介绍哈，具体包括Scikit-learn、Keras、TensorFlow和P
日期 2023-06-12 10:48:40
高效学习：如何制定有价值的学习目标
以我自己的经验，带着问题去学习的效率是最高的。放在学习目标上也是如此，有目标比无目标的学习效率高很多。但事实上，我们制定的目标很少有能完全达到的。这里很重要的一个点，是我们不会定目标。一个合理的学习目标要满足四个条件第一个叫有场景。第二个叫有距离。第三个叫有抓手。第四个叫有阶梯。有场景所谓有场景。就是如果我达到了目标，我在什么地方能验证它。学会了一个东西，至少能在一个地方用。而这个场景，更能激励你
日期 2023-06-12 10:48:40
零基础学习3dmax建模有这4个技巧！你都知道？小白学习必备
大家好，又见面了，我是你们的朋友全栈君。3dmax建模方法有很多，大致可分为内置建模模型、复合对象建模、二维图形建模、网格建模、多边形建模、面片建模和NURBS建模。确切地说，它们不应该有固定的分类，因为它们可以交互使用。【3D建模学习资料领取方式见文末】一、内置建模模型这个是3dMax中自带的一些模型，用户可以直接调 用这些模型。比如想创建一个台阶，可以使用内置的几何体模型来创建，然后将其转换为
日期 2023-06-12 10:48:40
跟我学强化学习之六——强化学习基础
导读:本书系统地介绍了强化学习，内容包括强化学习概述、强化学习预备知识、强化学习基础、表格求解法、近似求解法、实践与前沿六部分，系统、条理，涵盖了强化学习的方方面面。理论与实践结合，偏重实践应用，通过算法原理与实践案例的结合，由浅入深地导入强化学习的概念和方法，达到学以致用。配套资源非常丰富，包括源代码、教学视频和教学大纲等。
日期 2023-06-12 10:48:40机器学习（二）：有监督学习、无监督学习和半监督学习
大家好，又见面了，我是你们的朋友全栈君。 一、基本概念1 特征（feature） 数据的特征。举例：书的内容2 标签（label） 数据的标签。举例：书属于的类别，例如“计算机”“图形学”“英文书”“教材”等。3 学习（learning） 将很多数据丢给计算机分析，以此来训练该计算机，培养计算机给数据分类的能力。换句话说，学习指的就是找到特征与标签的映射（mapping）关系。这样
日期 2023-06-12 10:48:40![Python机器学习笔记：不得不了解的机器学习面试知识点（1）[通俗易懂]](/scriptcss/images/72.png)
Python机器学习笔记：不得不了解的机器学习面试知识点（1）[通俗易懂]
大家好，又见面了，我是你们的朋友全栈君。 机器学习岗位的面试中通常会对一些常见的机器学习算法和思想进行提问，在平时的学习过程中可能对算法的理论，注意点，区别会有一定的认识，但是这些知识可能不系统，在回答的时候未必能在短时间内答出自己的认识，因此将机器学习中常见的原理性问题记录下来，保持对各个机器学习算法原理和特点的熟练度。 本文总结了机器学习一些面试题和笔试题，以便自己学习，当然了也为了方便大
日期 2023-06-12 10:48:40WAIC 2022 | 联通（上海）产业互联网有限公司胡超：从监督学习走向自我学习
机器之心报道演讲：胡超近日，在 WAIC 2022 AI 开发者论坛上，联通（上海）产业互联网有限公司 AI 技术总监胡超发表了主题演讲《从监督学习走向自我学习：无监督目标级表征学习》。在演讲中，胡超主要介绍了他们在深度学习领域的应用和发展，以及无监督技术的应用案例。演讲分别从无监督学习、VAE & MIM（Masked Image Modeling） & GAN、图像修复与对比学
日期 2023-06-12 10:48:40
联邦学习的提出 | 从分散数据通信高效学习深度网络
前言 联邦学习（Federated Learning）是人工智能的一个新的分支，这项技术是谷歌于2016年首次提出，本篇论文第一次描述了这个概念！Abstract现代移动设备可以访问到大量数据，这些数据训练后反过来可以大大提高用户体验。例如，语言模型可以改善语音识别和文本输入，图像模型可以自动选择好的照片。但是，这些丰富的数据通常对隐私敏感、数量众多或两者兼而有之，这可能会妨碍使用常规方法进行训
日期 2023-06-12 10:48:40CIKM'21 「腾讯」对比学习+课程学习进行序列行为增广
title：Contrastive Curriculum Learning for Sequential User Behavior Modeling via Data Augmentation link：https://dl.acm.org/doi/pdf/10.1145/3459637.3481905 from：CIKM 2021本文和下文有类似之处，可以结合起来看SIGIR'21
日期 2023-06-12 10:48:40机器学习：大数据集下的机器学习
一、大数据集下的梯度下降1.2 大数据集的使用如果我们有一个低方差的模型，增加数据集的规模可以帮助你获得更好的结果。但是大数据集意味着计算量的加大，以线性回归模型为例，每一次梯度下降迭代，我们都需要计算训练集的误差的平方和，当数据集达到上百万甚至上亿的规模时，就很难一次性使用全部的数据集进行训练了，因为内存中放不下那么多的数据，并且计算性能也达不到要求。不过，在使用大数据集训练模型之前，首先应该做
日期 2023-06-12 10:48:40Pytorch模型训练实用教程学习笔记：四、优化器与学习率调整
前言最近在重温Pytorch基础，然而Pytorch官方文档的各种API是根据字母排列的，并不适合学习阅读。 于是在gayhub上找到了这样一份教程《Pytorch模型训练实用教程》，写得不错，特此根据它来再学习一下Pytorch。 仓库地址：https://github.com/TingsongYu/PyTorch_Tutorial优化器概念Pytorch提供了优化器Optimizer，作为
日期 2023-06-12 10:48:40关于图计算&图学习的基础知识概览：前置知识点学习（Paddle Graph L）系列【一】
关于图计算&图学习的基础知识概览：前置知识点学习（Paddle Graph Learning (PGL)）欢迎fork本项目原始链接：关于图计算&图学习的基础知识概览：前置知识点学习（Paddle Graph L）https://aistudio.baidu.com/aistudio/projectdetail/4982973?contributionType=1因为篇幅关系就只放
日期 2023-06-12 10:48:40图机器学习(GML)&图神经网络(GNN)原理和代码实现(前置学习系列二）
项目链接：https://aistudio.baidu.com/aistudio/projectdetail/4990947?contributionType=1欢迎fork欢迎三连！文章篇幅有限，部分程序出图不一一展示，详情进入项目链接即可图机器学习(GML)&图神经网络(GNN)原理和代码实现（PGL）前置学习系列二上一个项目对图相关基础知识进行了详细讲述，下面进图GMLnetwork
日期 2023-06-12 10:48:40建模结构学习的主动推理方法——以概念学习为例
An Active Inference Approach to Modeling Structure Learning: Concept Learning as an Example Case加新概念，减少冗余，增加泛化摘要： 在计算神经科学中，结构学习的算法和神经基础仍然知之甚少。概念学习是一个主要的例子，它需要一种内部模型扩展过程（添加新的隐藏状态来解释新的观察结果）和模型缩减过程（将不同的状
日期 2023-06-12 10:48:40学习机器学习的最佳路径是什么
在开篇之前，想和大家聊一下机器学习和数据挖掘的关系。如上图所示数据挖掘只是机器学习中涉猎的领域之一，机器学习还有模式识别、计算机视觉、语音识别、统计学习以及自然语言处理等。机器学习即 ML，是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习作为人
日期 2023-06-12 10:48:40（数据科学学习手札141）利用Learn Git Branching轻松学习git常用操作
1 简介 大家好我是费老师，Git作为世界上最流行的版本控制系统，可以说是每一位与程序打交道的朋友最值得学习的软件之一。除了管理自己的项目，如果你对参与开源项目感兴趣，那么Git更是联结Github、Gitlab等知名代码项目托管网站，与他人协作管理推进开源项目必须要掌握的工具。 而Git中的常用操作，虽然上手难度低，但涉及到细节处尤其是多分支操作，难免会让很多新手犯糊涂，今天我就给大家推荐一
日期 2023-06-12 10:48:40【强化学习纲要】8 模仿学习「建议收藏」
大家好，又见面了，我是你们的朋友全栈君。 【强化学习纲要】8 模仿学习 8.1 模仿学习概要8.2 Behavioral cloning and DAGGER8.3 Inverse RL and GAIL8.4 进一步改进模仿学习的模型8.5 模仿学习和强化学习结合8.6 Case studies 周博磊《强化学习纲要》 学习笔记 课程资料参见： https://github.co
日期 2023-06-12 10:48:40自监督学习详细介绍（学习笔记）
大家好，又见面了，我是你们的朋友全栈君。 一、相关文献：fast.ai上面关于自监督学习的资料：Self-supervised learning and computer vision. GitHub上面每年使用自监督学习的论文列表：Awesome Self-Supervised Learning. 相关微信推送二、自监督学习的介绍1.自监督学习的由来机器学习中基本的学习方法有：监督学习
日期 2023-06-12 10:48:40自监督学习之对比学习
大家好，又见面了，我是你们的朋友全栈君。对比学习一般是自监督学习的一种方式什么是自监督学习自监督学习主要是利用辅助任务（pretext）从大规模的无监督数据中挖掘自身的监督信息，通过这种构造的监督信息对网络进行训练，从而可以学习到对下游任务有价值的表征。（也就是说自监督学习的监督信息不是人工标注的，而是算法在大规模无监督数据中自动构造监督信息，来进行监督学习或训练。因此，大多数时候，我们称之为无监
日期 2023-06-12 10:48:40【Python深度学习之路】-2.1 机器学习的流程
2.1 机器学习的流程简介进行机器学习的整体流程： 数据收集。数据清洗（清洗重复或缺失的数据，以提高数据的精读）。运用机器学习算法对数据进行学习（获取基准）。使用测试数据进行性能评测。将机器学习模型安装到网页等应用环境中。我们将计算机依靠自己寻找答案，并从数据的模式中建立出的基准称为“模型”。在监督学习中，计算机通过使用包含正确答案标签的数据来实现学习。2.2 学习数据的使用方法在机器学习的
日期 2023-06-12 10:48:40【Python深度学习之路】-1 机器学习概论
【Python深度学习之路】-1 机器学习概论1.1 机器学习简介机器学习火热的原因是：人类无论如何也做不到在短时间内实现从大量数据中自动地计算出正确结果的操作。所谓机器学习：通过对数据进行反复的学习，来找出其中潜藏的规律和模式。机器学习中所使用到的算法可以归结为三大类：监督学习(Supervised Learning)无监督学习(Unsupervised Learning)强化学习(Reinfo
日期 2023-06-12 10:48:40全网超详细的HCIA学习笔记，值得收藏慢慢学习！（一）
Part1企业网络的基本架构企业网络已经广泛应用在各行各业中，包括小型办公室、教育、政府和银行等行业或机构。企业网络远程互连企业网络组网不受地域限制，可以通过各种远程互连技术把分布在不同物理地域的网络连接在一起。企业网络基本架构企业网络架构很大程度上取决于企业或机构的业务需求。小型企业通常只有一个办公地点，一般采用扁平网络架构进行组网。这种扁平网络能够满足用户对资源访问的需求，并具有较强的灵活性，
日期 2023-06-12 10:48:40ERNIE：飞桨开源开发套件，入门学习，看看行业顶尖持续学习语义理解框架，如何取得世界多个实战的SOTA效果？
参考文章：深度剖析知识增强语义表示模型——ERNIE_财神Childe的博客-CSDN博客_ernie模型ERNIEERNIE开源开发套件飞桨https://github.com/PaddlePaddle/ERNIE/blob/develop/README.zh.md1.背景介绍近年来，语义表示（language representation）技术的发展，使得 “预训练-微调” 作为解决NLP任务
日期 2023-06-12 10:48:40高中必备学习软件_有那些免费好用的高中学习软件？[通俗易懂]
刷题类1.猿题库记录一天时间app安卓1.爱今天2.timingIOS1.时间块2.atimelogger3.ihour4.now then free专注类1.forest2.番茄to do背单词app这个感觉好多人都知道1.沪江开心词场2.扇贝单词3.百词斩4.知米背单词5.墨墨背单词6.不背单词7.单词日记8.易呗背单词听力方面app可可英语英语流利说每日英语听力沪江听力网易云的电台朗易思听缤
日期 2023-06-12 10:48:40分布式学习和联邦学习简介
点击上方“Deephub Imba”,关注公众号,好文章不错过 ! 在这篇文章中，我们将讨论分布式学习和联邦学习的主要原理以及它们是如何工作的。首先，我们从一个简单的单机示例开始，然后将其发展为分布式随机梯度下降（D-SGD），最后是联邦学习（FL）。集中学习（单机）一个最简单的例子，我们想学习人的身高和体重之间的线性关系，并且我们拥有100人的体重和身高数据，想训练一种线性模型，该模型使用身高预
日期 2023-06-12 10:48:40GraphMAE：将MAE的方法应用到图中使图的生成式自监督学习超越了对比学习
点击上方“Deephub Imba”,关注公众号,好文章不错过 ! 前几天的文章中我们提到MAE在时间序列的应用，本篇文章介绍的论文已经将MAE的方法应用到图中，这是来自[KDD2022]的论文GraphMAE: Self-supervised Masked Graph Autoencoders生成学习与对比学习自监督学习从大量的无监督数据中挖掘出自己需要的的监督信息。与监督学习相比，它使用来自数
日期 2023-06-12 10:48:40Prompt+对比学习，更好地学习句子表征
作者 | 王嘉宁@华师数据学院 整理 | NewBeeNLP https://wjn1996.blog.csdn.net/article/details/125528859大家好，这里是NewBeeNLP。虽然BERT等语言模型有很大的成果，但在对句子表征方面（sentence embeddings）上表现依然不佳，因为BERT存在 sentence bias 、 anisotropy 问题；
日期 2023-06-12 10:48:40如何全面掌握图机器学习？西南财大最新《图学习》全面梳理总结448篇论文
图学习旨在学习现实世界中常见的复杂节点关系和图的拓扑结构，如社交网络、学术网络和电子商务网络等。这些关系使得图数据与传统的表格数据不同，其中节点依赖于非欧氏空间，包含了丰富的信息。图学习从图论发展到图数据挖掘，现在被赋予表示学习的能力，使其在各种场景中取得了出色的性能，甚至包括文本、图像、化学和生物。由于在现实世界中的广泛应用前景，图学习已经成为机器学习中一个热门且有前景的领域。近年来，已有成千上
日期 2023-06-12 10:48:40用ChatGPT搭虚拟机，跑机器学习和深度学习，但看完最后一句话我犹豫了....
1 前言2 OpenAI发展历程3 ChatGPT与生命科学4 用ChatGPT搭建虚拟机5 讨论1 前言打个预防针：全篇告别行内行外深奥原理，直接上大白话，我奶奶都听得懂，放心阅读。OpenAI老哥其实默默发力很久了，2022年11月30日于旧金山总部推出免费版，12月4日才过去5天ChatGPT的用户已破百万，与以往的空大高工程项目不同，ChatGPT更为接地气，真正让普通用户近距离感受到了
日期 2023-06-12 10:48:40JVM学习系列学习一
本文主要内容：一：为什么要对JVM进行优化？我们在自己电脑上进开发的时候，几乎很少考虑对JVM进行优化。但是，我们写的代码，放到生成环境会出现入下各种情况：1：运行的应用越来越“卡”了、日志不输出、页面点击没反应了2：为什么服务器CPU使用率突然飙升上来了3：在多线程应用下，如何分配线程数量？……怎么解决？重启吗？万能的重启服务吗？生成环境能随随便便就重启吗 ？通过本系列教程，我们将对JVM有更深
日期 2023-06-12 10:48:40