偏差与方差， 欠拟合与过拟合
前言 这篇文章是关于调参中常遇到的欠拟合与过拟合问题，通过将四个概念： 偏差，方差，欠拟合，过拟合连接起来，能够更好的理解这个问题。 最后，针对该问题，我提出了几点建议。 泛化能力[1] 机器学习算法的目的是使得我们的算法能够在先前未预测的新输入…
AI相关
aigc
深度学习应用在超分辨率领域的9个模型
在AlphaGo对弈李世石、柯洁之后，更多行业开始尝试通过机器学习优化现有技术方案。其实对于实时音视频来讲，对机器学习的研究已有多年，我们曾分享过的实时图像识别只是其中一种应用。我们还可以利用深度学习来做超分辨率。我们这次就分享一下用于超分辨率的…
读懂人工智能+机器学习+深度学习的包含关系
大数据人工智能技术，在应用层面包括机器学习、神经网络、深度学习等，它们都是现代人工智能的核心技术。在大数据背景下，这些技术均得到了质的提升，人工智能、机器学习和深度学习的包含关系如下图。 基本概念理解 1．机器学习 机器学习（Machine Learning…
机器学习简史
有三个词，这两年出现的频率越来越高：人工智能（AI），机器学习（ML），深度学习（DL），到底他们哥仨是什么关系？今天小编化繁为简，用几张图带你迅速看明白。关系如图，从提出概念的时间上来看也很清楚： 人工智能AI：模拟人脑，辨认哪个是苹果，哪个是橙…
Gartner 2018 数据科学&机器学习平台魔力象限
著名IT咨询研究公司Gartner在2018年2月23号发布了魔力象限报告"Magic Quadrant for Data Science and Machine-Learning Platforms"。 这个名称跟以往相比，多了“机器学习”字眼，这反映了这个行业正在经历的快速变化，新的魔力象限比较强调 机器学习, 简单易…
人工智能时代，如何做设计？
本文作者：Josh Lovejoy，Google 的交互设计师 正如之前的移动互联网乃至再早之前的互联网都曾经改变人们的思考方式一样，机器学习 (Machine Learning, ML)让我们开始重新思考、重新构建并重新审视我们所创造的体验的可能性。在 Google 的用户体验社区中，我…
AI产品之路：机器学习
2017年可以说是人工智能爆发的一年，传统互联网红利消失，熟知的大厂BAT都在人工智能上布局，作为一名互联网PM，深知技术的变革必然带来新机会。可对大多数互联网PM而言，面对ML（机器学习）、DL（深度学习）、NLP（自然语言处理）以及的各种概念以及底层所…
使用机器学习进行设计时的7个步骤
原文标题：以人为中心的机器学习 (Human-Centered Machine Learning) 文 / Josh Lovejoy 和 Jess Holbrook 机器学习 (ML) 是帮助计算机揭示数据模式与关系（而不是依靠手工编程）的科学。机器学习是一个强大的工具，可用于打造个性化的动态体验。机器学习已…
从概念到实践，迁移学习是机器学习发展的下一重要阶段
迁移学习的研究来源于一个观测：人类可以将以前学到的知识应用于解决新的问题，从而提高解决问题的效率或取得更好的效果。因此迁移学习被赋予这样一个任务：从以前的任务当中去学习知识（knowledge）或经验，并应用于新的任务当中。换句话说，迁移学习的目的…
怎样用预训练模型搞定深度神经网络？
引言 跟传统的监督式机器学习算法相比，深度神经网络目前最大的劣势是什么？ 贵。 尤其是当我们在尝试处理现实生活中诸如图像识别、声音辨识等实际问题的时候。一旦你的模型中包含一些隐藏层时，增添多一层隐藏层将会花费巨大的计算资源。 庆幸的是，有一种…
迁移学习 (Transfer Learning)
概念 迁移学习(Transfer Learning)是机器学习中的一个名词,是指一种学习对另一种学习的影响，或习得的经验对完成其他活动的影响。迁移广泛存在于各种知识、技能与社会规范的学习中。[1] 迁移学习专注于存储已有问题的解决模型，并将其利用在其他不同但相关问…
迁移学习：经典算法解析
一. 了解迁移学习 迁移学习（Transfer Learning）目标是将从一个环境中学到的知识用来帮助新环境中的学习任务。 Survey 作者归纳了 Transfer Learning 相关的知识域，有必要了解一下这些名词： Learning学习 - learning to learn 终身学习 - life-long learn…
机器学习：基本概念、五大流派与九种常见算法
机器学习正在进步，我们正在不断接近创造人工智能的目标。语音识别、图像检测、机器翻译、风格迁移等技术已经在生活中开始得到了应用，但机器学习的发展仍还在继续，有人认为这场变革有可能会彻底改变人类文明的发展方向乃至人类自身。但你了解现在正在发生…
经验之谈：如何为你的机器学习问题选择合适的算法？
随着机器学习越来越流行，也出现了越来越多能很好地处理任务的算法。但是，你不可能预先知道哪个算法对你的问题是最优的。如果你有足够的时间，你可以尝试所有的算法来找出最优的算法。本文介绍了如何依靠已有的方法（模型选择和超参数调节）去指导你更好地…
机器学习、数据科学、人工智能、深度学习和统计学之间的区别
在这篇文章中，数据科学家与分析师 Vincent Granville 明晰了数据科学家所具有的不同角色，以及数据科学与机器学习、深度学习、人工智能、统计学等领域的区别。这些概念的区别也一直是人工智能领域热烈讨论的一个话题，Quora、多个技术博客都曾有过解答。机…
机器学习算法集锦：从贝叶斯到深度学习及各自优缺点
在我们日常生活中所用到的推荐系统、智能图片美化应用和聊天机器人等应用中，各种各样的机器学习和数据处理算法正尽职尽责地发挥着自己的功效。本文筛选并简单介绍了一些最常见算法类别，还为每一个类别列出了一些实际的算法并简单介绍了它们的优缺点。 http…
