ProZoom成黄，一個(gè)專注于技術(shù)匀油、解決技術(shù)問題的人兒搪柑，熱愛科幻與編程料饥，<br>QQ: 3485966314焕襟，加時(shí)備注原因。
IP屬地：陜西
-
討論和分享機(jī)器學(xué)習(xí)的知識(shí)，專注分享關(guān)于機(jī)器學(xué)習(xí)的高質(zhì)量干貨
-
阿里云官網(wǎng)內(nèi)容平臺(tái)！匯聚阿里云優(yōu)質(zhì)內(nèi)容（入門骇窍、文檔瓜晤、案例、最佳實(shí)踐腹纳、直播等）痢掠！如需轉(zhuǎn)載或內(nèi)容類合作，郵件yqgroup@service.aliyun.com 秒級(jí)回復(fù)嘲恍！<br>
-
專門收錄人工智能創(chuàng)業(yè)和投資領(lǐng)域的信息佃牛，技術(shù)和解決方案淹辞，收集大數(shù)據(jù)相關(guān)解決方案和技術(shù)。
-
關(guān)于大數(shù)據(jù)爷速、云計(jì)算及人工智能的內(nèi)容收集央星，觀點(diǎn)表達(dá)。 歡迎投稿
-
首先叁幢，無論是哪方面的程序員滤灯，都要大量的投資算法和數(shù)據(jù)結(jié)構(gòu)。因?yàn)檫@是你的基本技能遥皂，就像棋手需要知道每個(gè)棋子的走法一樣力喷。在算法學(xué)習(xí)的過程中刽漂，你繞不過的就是衡量算法的效率演训，也就不可避免的學(xué)習(xí)Big O的知識(shí)。Big O贝咙，需要你了解函數(shù)和極限的一些知識(shí)样悟，比如說，f(n) = O(g(n))是這樣定義的庭猩，當(dāng)n足夠大的時(shí)候窟她，你總可以找到一個(gè)常數(shù)c，使得c * f(n) >g(n)蔼水。除了效率震糖，還有如何證明算法的正確性。這就要求掌握一些證明方法趴腋，比如反正法吊说，遞推歸納法。 其次优炬，如果你遇到了性能方面的問題颁井，需要降低延遲，增加吞吐的時(shí)候蠢护，你很有可能需要去設(shè)計(jì)高性能的隊(duì)列系統(tǒng)雅宾，這時(shí)排隊(duì)論的知識(shí)就顯得尤為重要了。排隊(duì)論要學(xué)好葵硕，概率論是基石眉抬。隊(duì)列在計(jì)算機(jī)系統(tǒng)中隨處可見，操作系統(tǒng)中的進(jìn)程調(diào)度問題懈凹，基于隊(duì)列解藕生產(chǎn)者消費(fèi)者的架構(gòu)問題等等蜀变。 接下來如果你對(duì)離散優(yōu)化問題感興趣，如說背包問題蘸劈，旅行者問題昏苏，當(dāng)你需要優(yōu)化一個(gè)目標(biāo)函數(shù)的時(shí)候，你往往會(huì)用到梯度下降法，而理解梯度下降法贤惯，對(duì)微積分要有很好的理解洼专。更不用說在人工智能，機(jī)器學(xué)習(xí)領(lǐng)域孵构，到處都得優(yōu)化目標(biāo)函數(shù)屁商，降低預(yù)測誤差，想走的遠(yuǎn)颈墅，是必須要有數(shù)學(xué)基礎(chǔ)的蜡镶。 然后再說一下，線性代數(shù)恤筛，特別是在人工智能里面官还，很多基本的模型都是線性的，你會(huì)隨處看到矩陣的用處毒坛，單純的只知道矩陣如何相乘是遠(yuǎn)遠(yuǎn)不夠的望伦，要理解的跟深入，矩陣是一個(gè)函數(shù)煎殷，用來轉(zhuǎn)換矢量屯伞，既然是函數(shù)，就會(huì)具有很多函數(shù)的特點(diǎn)豪直。 分布式系統(tǒng)中的鼻祖級(jí)論文劣摇，Lamport的時(shí)間，時(shí)鐘弓乙，和事件的順序末融，據(jù)他所說是他從相對(duì)論中的時(shí)間和空間的關(guān)系中得到的靈感。由此可見唆貌，不僅是數(shù)學(xué)滑潘，物理也很重要。
-
收錄人工智能、模式識(shí)別酪刀、機(jī)器學(xué)習(xí)粹舵、深度學(xué)習(xí)等相關(guān)筆記。
-
數(shù)據(jù)分析人工智能機(jī)器學(xué)習(xí)
-
人工智能發(fā)展的歷史軌跡怎樣诅需？ 發(fā)展趨勢(shì)怎樣漾唉？ 什么是智能？ 人工智能技術(shù)的方向在哪里堰塌？ 未來會(huì)怎樣赵刑？ 我們的工作生活將發(fā)生怎樣變化？ 我們?cè)撊绾螒?yīng)對(duì)场刑？ 如何在未來取得自己的競爭優(yōu)勢(shì)般此？ ---------- 每個(gè)人都應(yīng)知道的人工智能知識(shí)， 每個(gè)人都能看懂的技術(shù)內(nèi)容牵现。 全部文章完全原創(chuàng)铐懊，歡迎轉(zhuǎn)載交流~
-
我以官方文檔為主線科乎，開始對(duì)TensorFlow的學(xué)習(xí)。這期間會(huì)把我的理解進(jìn)行持續(xù)的輸出丑慎，作為《TensorFlow從0到N》系列喜喂。 它不會(huì)止于翻譯和筆記瓤摧，不會(huì)停留在語言和工具竿裂，而是堅(jiān)持通過啟發(fā)性的方式，循序漸進(jìn)的構(gòu)建理解照弥，搭建一個(gè)堅(jiān)實(shí)可靠的腻异、連接“零基礎(chǔ)”與“人工智能（AI）/機(jī)器學(xué)習(xí)（Machine Learning）/深度學(xué)習(xí)（Deep Learning）”領(lǐng)域之間的緩坡道。
-
公眾號(hào)(IT程序員的日常)Python愛好者，大數(shù)據(jù)開發(fā)者给赞，人工智能學(xué)習(xí)者机打。
-
歡迎加入人工智能領(lǐng)域残邀！
-
我們已經(jīng)進(jìn)入一個(gè)嶄新的智能機(jī)器時(shí)代芥挣，在未來幾年內(nèi)，人工智能和機(jī)器人給世界帶來的影響將遠(yuǎn)遠(yuǎn)超過個(gè)人計(jì)算機(jī)和互聯(lián)網(wǎng)在過去的30年間已經(jīng)對(duì)世界造成的改變耻台。是謙遜地生存空免，還是傲慢地死去？智能機(jī)器將成為我們的奴隸盆耽，伙伴還是主人蹋砚？
-
神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)專題歡迎大家投稿相關(guān)內(nèi)容坝咐。從基礎(chǔ)理論到實(shí)戰(zhàn)演練均可嘗試投稿娇豫。若有GPU計(jì)算資源需求去完成很有價(jià)值的工作也可以留言請(qǐng)求，我們會(huì)滿足你的哈畅厢！ 該專欄中的文章還會(huì)被發(fā)在：UAI人工智能公眾號(hào)冯痢。讓更多的人看到你們的優(yōu)秀作品。
-
機(jī)器學(xué)習(xí)算法關(guān)注機(jī)器學(xué)習(xí)油狂，人工智能历恐，數(shù)據(jù)挖掘，計(jì)算機(jī)視覺等相關(guān)領(lǐng)域的文章
-
誠招管理員吮旅！聯(lián)系我~ 本專題專注于大數(shù)據(jù)技術(shù)，包括但不限于：分布式系統(tǒng)味咳，hadoop庇勃，spark，storm槽驶，mesos责嚷，hbase，zookeeper掂铐。罕拂。。 Tips:如果是自己學(xué)習(xí)這些技術(shù)堡纬，通過社區(qū)學(xué)習(xí)是一個(gè)不錯(cuò)的方式聂受。 JIRA:https://issues.apache.org/jira/browse/SPARK/?selectedTab=com.atlassian.jira.jira-projects-plugin:summary-panel
-
