红色石头的个人博客机器学习笔试精选题（四）
12红色石头 发布于 2018-07-31
机器学习是一门理论性和实战性都比较强的技术学科。在应聘机器学习相关工作岗位时，我们常常会遇到各种各样的机器学习问题和知识点。为了帮助大家对这些知识点进行梳理和理解，以便能够更好地应对机器学习笔试包括面试。红色石头准备在公众号连载一些机器学习笔试题系列文章，希望能够对大家有所帮助！...
阅读(7339)评论(0)赞 (4)
标签：深度学习 第10页
机器学习笔试题精选（三）
13红色石头 发布于 2018-07-30
机器学习是一门理论性和实战性都比较强的技术学科。在应聘机器学习相关工作岗位时，我们常常会遇到各种各样的机器学习问题和知识点。为了帮助大家对这些知识点进行梳理和理解，以便能够更好地应对机器学习笔试包括面试。红色石头准备在公众号连载一些机器学习笔试题系列文章，希望能够对大家有所帮助！...
阅读(9741)评论(0)赞 (11)
机器学习笔试题精选（二）
8红色石头 发布于 2018-07-30
上次 机器学习笔试题精选（一）中，我们详细解析了机器学习笔试 15 道题。今天，红色石头带大家继续“死磕”相关笔试题！ Q1. 假如我们使用 Lasso 回归来拟合数据集，该数据集输入特征有 100 个（X1，X2，…，X100）。现在，我们把其中一个特征值扩大 10...
阅读(8485)评论(0)赞 (10)
机器学习笔试题精选（一）
12红色石头 发布于 2018-07-30
机器学习是一门理论性和实战性都比较强的技术学科。在应聘机器学习相关工作岗位时，我们常常会遇到各种各样的机器学习问题和知识点。为了帮助大家对这些知识点进行梳理和理解，以便能够更好地应对机器学习笔试包括面试。红色石头准备在公众号连载一些机器学习笔试题系列文章，希望能够对大家有所帮助！...
阅读(14272)评论(0)赞 (40)
吴恩达《神经网络与深度学习》课程笔记（5）– 深层神经网络
7红色石头 发布于 2018-07-30
本节课主要介绍了深层神经网络，是上一节浅层神经网络的拓展和归纳。首先，我们介绍了建立神经网络模型一些常用的标准的标记符号。然后，用流程块图的方式详细推导正向传播过程和反向传播过程的输入输出和参数表达式。我们也从提取特征复杂性和计算量的角度分别解释了深层神经网络为什么优于浅层神经网...
阅读(10487)评论(0)赞 (7)
吴恩达《神经网络与深度学习》课程笔记（4）– 浅层神经网络
16红色石头 发布于 2018-07-30
本节课主要介绍了浅层神经网络。首先，我们简单概述了神经网络的结构：包括输入层，隐藏层和输出层。然后，我们以计算图的方式推导了神经网络的正向输出，并以向量化的形式归纳出来。接着，介绍了不同的激活函数并做了比较，实际应用中根据不同需要选择合适的激活函数。激活函数必须是非线性的，不然神...
阅读(9981)评论(0)赞 (7)
吴恩达《神经网络与深度学习》课程笔记（3）– 神经网络基础之Python与向量化
2红色石头 发布于 2018-07-29
本节课我们主要介绍了神经网络基础——python和向量化。在深度学习程序中，使用向量化和矩阵运算的方法能够大大提高运行速度，节省时间。以逻辑回归为例，我们将其算法流程包括梯度下降转换为向量化的形式。同时，我们也介绍了python的相关编程方法和技巧。...
阅读(9017)评论(0)赞 (5)
吴恩达《神经网络与深度学习》课程笔记（2）– 神经网络基础之逻辑回归
8红色石头 发布于 2018-07-29
本节课的内容比较简单，主要介绍了神经网络的基础——逻辑回归。首先，我们介绍了二分类问题，以图片为例，将多维输入x转化为feature vector，输出y只有{0,1}两个离散值。接着，我们介绍了逻辑回归及其对应的Cost function形式。然后，我们介绍了梯度下降算法，并使...
阅读(10873)评论(0)赞 (17)
吴恩达《神经网络与深度学习》课程笔记（1）– 深度学习概述
11红色石头 发布于 2018-07-29
本节课的内容比较简单，主要对深度学习进行了简要概述。首先，我们使用房价预测的例子来建立最简单的但个神经元组成的神经网络模型。然后，我们将例子复杂化，建立标准的神经网络模型结构。接着，我们从监督式学习入手，介绍了不同的神经网络类型，包括Standard NN，CNN和RNN。不同的...
阅读(16663)评论(0)赞 (28)
林轩田机器学习技法课程学习笔记16（完结） — Finale
17红色石头 发布于 2018-07-29
本节课主要从三个方面来对机器学习技法课程做个总结：Feature Exploitation Techniques，Error Optimization Techniques和Overfitting Elimination Techniques。最后介绍了林轩田老师带领的台大团队是...
阅读(8265)评论(1)赞 (8)
