從11月初開始剂邮，google-research就陸續(xù)開源了BERT的各個版本。google此次開源的BERT是通過tensorflow高級API—— tf.estimator...
發(fā)簡信
IP屬地：北京
-
干貨 | BERT fine-tune 終極實(shí)踐教程
-
能問一下 PPT的原版在哪里能找到么隅熙？病涨？謝謝
論文筆記：Attention is all you need
今天做完深度學(xué)習(xí)的論文分享居夹，將這篇論文記錄下來幔烛，以便日后回顧查看。PS:簡書不支持 MathJax 編輯公式格带，簡直悲傷的想哭泣撤缴，之后再上傳到farbox上好啦??論文原文：At...
-
論文筆記：Attention is all you need今天做完深度學(xué)習(xí)的論文分享，將這篇論文記錄下來叽唱，以便日后回顧查看屈呕。PS:簡書不支持 MathJax 編輯公式，簡直悲傷的想哭泣棺亭，之后再上傳到farbox上好啦??論文原文：At...
-
人工智能愛好者侦铜，中南大學(xué)控制科學(xué)與工程碩士专甩，深度學(xué)習(xí)領(lǐng)域內(nèi)的一位大神級人物，魔術(shù)師钉稍， 個人主頁：<a href="https://links.jianshu.com/go?to=https%3A%2F%2Fjinfagang.gitlab.io" target="_blank">https://jinfagang.gitlab.io</a>
-
RNN教程之-2 LSTM實(shí)戰(zhàn)本文由清華大學(xué)碩士大神金天撰寫，歡迎大家轉(zhuǎn)載棺耍，不過請保留這段版權(quán)信息贡未，對本文內(nèi)容有疑問歡迎聯(lián)系作者微信：jintianiloveu探討，多謝合作~ UPDATE:2019-0...
-
講講共線性問題多重共線性是使用線性回歸算法時經(jīng)常要面對的一個問題。在其他算法中俊卤，例如決策樹和貝葉斯嫩挤，前者的建模過程是逐步遞進(jìn)，每次拆分只有一個變量參與消恍，這種建模機(jī)制含有抗多重共線性干擾的功...
-
機(jī)器學(xué)習(xí)面試基礎(chǔ)知識 & 擴(kuò)展-01
視頻教程的總結(jié)和一些自行補(bǔ)充的內(nèi)容岂昭，旨在盡可能的理解其原理。 本文持續(xù)更新地址：https://hellogod.cn： 個人博客機(jī)器學(xué)習(xí)面試基礎(chǔ)知識 & 擴(kuò)展-01 訓(xùn)練/...
-
xgboost的原理沒你想像的那么難xgboost 已然火爆機(jī)器學(xué)習(xí)圈狠怨，相信不少朋友都使用過约啊。要想徹底掌握xgboost，就必須搞懂其內(nèi)部的模型原理佣赖。這樣才能將各個參數(shù)對應(yīng)到模型內(nèi)部恰矩，進(jìn)而理解參數(shù)的含義，根據(jù)需...
-
嗶哩嗶哩：李文舉說
-
機(jī)器學(xué)習(xí)面試之各種混亂的熵請聽題:什么是熵？什么是交叉熵俩檬？什么是聯(lián)合熵萎胰？什么是條件熵？什么是相對熵棚辽？它們的聯(lián)系與區(qū)別是什么奥洼？ 如果你感到回答這些問題有些吃力，對這些概念似乎清楚晚胡，似乎又沒有那么明白灵奖，那...
-
機(jī)器學(xué)習(xí)面試--概述一些寫在前面的廢話 首先需要明白，只要是面試數(shù)據(jù)科學(xué)相關(guān)的崗位的估盘，那肯定是一個復(fù)合崗位瓷患。當(dāng)然在這之下會有一些比較細(xì)分的崗位，像自然語言遣妥，圖像這類的擅编，但是他們都會有很大一部分內(nèi)...
-
BAT機(jī)器學(xué)習(xí)面試1000題系列（第21~30題）
21.KNN中的K如何選取的？關(guān)于什么是KNN箫踩，可以查看此文：《從K近鄰算法爱态、距離度量談到KD樹、SIFT+BBF算法》KNN中的K值選取對K近鄰算法的結(jié)果會產(chǎn)生重大影響境钟。如...
-
BAT機(jī)器學(xué)習(xí)面試1000題系列（第1~10題）
前言 2010~2015年锦担，July博客整理過上千道微軟等公司的面試題，側(cè)重數(shù)據(jù)結(jié)構(gòu)慨削、算法洞渔、海量數(shù)據(jù)處理套媚，詳見：http://blog.csdn.net/column/det...
-
朱小虎 Neil Zhu堤瘤，University AI / CSAGI 創(chuàng)始人
-
kaggle：gbdt 和 random forest 和xgboost通常決定一個機(jī)器學(xué)習(xí)模型能不能取得好的效果，以下三個方面的因素缺一不可浆熔。 1.理論模型（站在vc-dimension的角度） 2.實(shí)際數(shù)據(jù) 3.系統(tǒng)的實(shí)現(xiàn)（主要基于xgboo...
