發(fā)簡(jiǎn)信
IP屬地：重慶
-
2020-05-29
1. 頻譜識(shí)別階段 在80年代以前，無(wú)線傳輸?shù)男盘?hào)還非常少仪媒，干擾也少沉桌，計(jì)算機(jī)技術(shù)還剛起步，彼時(shí)的信號(hào)識(shí)別方式主要有兩種算吩，一種是通過(guò)示波器觀察時(shí)域波形留凭，另一種是利用頻譜儀或接收...
-
很好。
文藝地解讀貝葉斯定理
了解點(diǎn)條件概率和先驗(yàn)概率的知識(shí)偎巢，別被小概率事情綁架了蔼夜。 小李年方二八，身強(qiáng)力壯压昼。參加單位組織的體檢時(shí)求冷，被檢出 HIV 呈陽(yáng)性瘤运。這驚雷轟得小李不省人事：自己明明生活檢點(diǎn)，從沒(méi)做...
-
不錯(cuò)，點(diǎn)贊韭山。
Numpy之線性代數(shù)
矩陣 1. 矩陣初始化 Numpy函數(shù)庫(kù)中存在兩種不同的數(shù)據(jù)類型（矩陣matrix和數(shù)組array）郁季，都可以用于處理行列表示的數(shù)字元素，雖然他們看起來(lái)很相似钱磅，但是在這兩個(gè)數(shù)據(jù)...
-
微信公眾號(hào)：測(cè)繪數(shù)據(jù)分析<br>個(gè)人csdn：<a href="https://links.jianshu.com/go?to=https%3A%2F%2Fblog.csdn.net%2Fqq_28368377" target="_blank">https://blog.csdn.net/qq_28368377</a><br>簡(jiǎn)書主頁(yè)：<a href="http://www.reibang.com/u/4e7b57e15770" target="_blank">http://www.reibang.com/u/4e7b57e15770</a>
-
繼續(xù)加油续搀，希望看到生活中的應(yīng)用塞琼。
2020 機(jī)器學(xué)習(xí)之Kmeans
K-means k-means 是一種搜尋中心的無(wú)監(jiān)督的算法菠净。K-means 是一種迭代的不確定方法禁舷，所謂迭代歼冰，是指算法的步驟不斷重復(fù)產(chǎn)生的每個(gè)簇都可以用以下的指標(biāo)來(lái)進(jìn)行評(píng)估...
-
阿里云官網(wǎng)內(nèi)容平臺(tái)萄金！匯聚阿里云優(yōu)質(zhì)內(nèi)容（入門攀唯、文檔洁桌、案例、最佳實(shí)踐侯嘀、直播等）另凌！如需轉(zhuǎn)載或內(nèi)容類合作，郵件yqgroup@service.aliyun.com 秒級(jí)回復(fù)戒幔！<br>
-
太專業(yè)了诗茎，能結(jié)合生活中的例子就更好了工坊。
最大似然估計(jì)和EM算法
Maximum Likelihood Estimate and Expectation Maximization Algorithm 一、最大似然估計(jì)思想： 設(shè)有外形完全相同...
-
-
1.數(shù)學(xué)基礎(chǔ)：高數(shù)，線性代數(shù)租谈，概率論與數(shù)理統(tǒng)計(jì)篮奄，統(tǒng)計(jì)學(xué) 2.編程基礎(chǔ)：python；庫(kù)os,numpy,pandas,matplotlib割去，TensorFlow窟却，keras… 3.機(jī)器學(xué)習(xí)，深度學(xué)習(xí)呻逆，opencv夸赫，自然語(yǔ)言處理……
-
首先茬腿，無(wú)論是哪方面的程序員，都要大量的投資算法和數(shù)據(jù)結(jié)構(gòu)宜雀。因?yàn)檫@是你的基本技能切平，就像棋手需要知道每個(gè)棋子的走法一樣。在算法學(xué)習(xí)的過(guò)程中辐董，你繞不過(guò)的就是衡量算法的效率悴品，也就不可避免的學(xué)習(xí)Big O的知識(shí)。Big O简烘，需要你了解函數(shù)和極限的一些知識(shí)苔严，比如說(shuō)，f(n) = O(g(n))是這樣定義的孤澎，當(dāng)n足夠大的時(shí)候届氢，你總可以找到一個(gè)常數(shù)c，使得c * f(n) >g(n)亥至。除了效率悼沈，還有如何證明算法的正確性。這就要求掌握一些證明方法姐扮，比如反正法絮供，遞推歸納法。 其次茶敏，如果你遇到了性能方面的問(wèn)題壤靶，需要降低延遲，增加吞吐的時(shí)候惊搏，你很有可能需要去設(shè)計(jì)高性能的隊(duì)列系統(tǒng)贮乳，這時(shí)排隊(duì)論的知識(shí)就顯得尤為重要了忧换。排隊(duì)論要學(xué)好，概率論是基石向拆。隊(duì)列在計(jì)算機(jī)系統(tǒng)中隨處可見(jiàn)亚茬，操作系統(tǒng)中的進(jìn)程調(diào)度問(wèn)題，基于隊(duì)列解藕生產(chǎn)者消費(fèi)者的架構(gòu)問(wèn)題等等浓恳。 接下來(lái)如果你對(duì)離散優(yōu)化問(wèn)題感興趣刹缝，如說(shuō)背包問(wèn)題，旅行者問(wèn)題颈将，當(dāng)你需要優(yōu)化一個(gè)目標(biāo)函數(shù)的時(shí)候梢夯，你往往會(huì)用到梯度下降法，而理解梯度下降法晴圾，對(duì)微積分要有很好的理解颂砸。更不用說(shuō)在人工智能，機(jī)器學(xué)習(xí)領(lǐng)域死姚，到處都得優(yōu)化目標(biāo)函數(shù)人乓，降低預(yù)測(cè)誤差，想走的遠(yuǎn)知允，是必須要有數(shù)學(xué)基礎(chǔ)的撒蟀。 然后再說(shuō)一下叙谨，線性代數(shù)温鸽，特別是在人工智能里面，很多基本的模型都是線性的手负，你會(huì)隨處看到矩陣的用處涤垫，單純的只知道矩陣如何相乘是遠(yuǎn)遠(yuǎn)不夠的，要理解的跟深入竟终，矩陣是一個(gè)函數(shù)蝠猬，用來(lái)轉(zhuǎn)換矢量，既然是函數(shù)统捶，就會(huì)具有很多函數(shù)的特點(diǎn)榆芦。 分布式系統(tǒng)中的鼻祖級(jí)論文，Lamport的時(shí)間喘鸟，時(shí)鐘匆绣，和事件的順序，據(jù)他所說(shuō)是他從相對(duì)論中的時(shí)間和空間的關(guān)系中得到的靈感什黑。由此可見(jiàn)崎淳，不僅是數(shù)學(xué)，物理也很重要愕把。
-
據(jù)說(shuō)高等數(shù)學(xué)是大一新生掛科率最高的一科，我當(dāng)然也不免深受其害嚣镜，為了將來(lái)清考考試的時(shí)候順利通過(guò)爬迟，要發(fā)奮圖強(qiáng)了哈。#_# 跟著高數(shù)叔和姑姑學(xué)習(xí)菊匿，讓學(xué)習(xí)成為一種時(shí)尚雕旨！
-
兄臺(tái)這個(gè)夠?qū)I(yè)，希望經(jīng)撑跚耄看到你的新作凡涩。
基于SVM的腦電信號(hào)識(shí)別
時(shí)常我們能看到科幻中讀取他人意念的場(chǎng)景，讓人感覺(jué)很玄幻疹蛉。那么現(xiàn)代科技真的可以做到這一點(diǎn)么活箕？答案是在特定情況下可以以一個(gè)比較高的準(zhǔn)確率識(shí)別人的想法。別擔(dān)心可款，不是大街上隨隨便便注...
