想做咸魚

分享數(shù)據(jù)分析技術(shù)在不同行業(yè)妖枚，不同業(yè)務(wù)，不同崗位中的應(yīng)用

站在巨人的肩膀看世界

個(gè)人公眾號(hào)“我AI”<br>高級(jí)算法工程師<br>上海數(shù)學(xué)中心博士<br>Kaggle Master

我是師書（BOOKSHISHU）<br>目前閱讀速度5000字/分鐘<br>分享閱讀知識(shí)旭旭，傳承中華文化

不斷學(xué)習(xí)持寄，不斷忘記，不斷回顧娱俺，不斷進(jìn)步际看，這便是凡人的學(xué)習(xí)方式,或謂曰：Attention is all you need,but learning is all your attention.

人間真?zhèn)摹?/div>

把寫作當(dāng)成一種修行

公眾號(hào)：K同學(xué)啊<br>我的GitHub倉(cāng)庫(kù)：<a href="https://links.jianshu.com/go?to=https%3A%2F%2Fgithub.com%2Fkzbkzb%2FPython-AI" target="_blank">https://github.com/kzbkzb/Python-AI</a>

關(guān)注公眾號(hào)“NLP論文解讀”藤巢，領(lǐng)取資料干貨~<br>專注自然語(yǔ)言處理NLP領(lǐng)域頂會(huì)論文的翻譯和解讀

本專題招募管理員掂咒，有意向請(qǐng)簡(jiǎn)信私聊才沧，謝謝！ 用來(lái)分享機(jī)器學(xué)習(xí)绍刮，深度學(xué)習(xí)温圆，神經(jīng)網(wǎng)絡(luò)，計(jì)算機(jī)視覺(jué)等領(lǐng)域的一些技術(shù)孩革。 Machine Learning 學(xué)習(xí)資料：http://www.reibang.com/p/e0238db24973 相關(guān)參考： 1. [Coursera - Machine Learning by Andrew Ng]：https://www.coursera.org/learn/machine-learning 2. [ Stanford CS231n Course]：http://cs231n.github.io/ 課程整理：http://www.reibang.com/p/182baeb82c71 3. [深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)(英文原版)]：http://neuralnetworksanddeeplearning.com/ [GitBook同步鏈接]：https://www.gitbook.com/book/tigerneil/neural-networks-and-deep-learning-zh/details 4. [UFLDL教程]：http://deeplearning.stanford.edu/wiki/index.php/UFLDL%E6%95%99%E7%A8%8B （中文） http://ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial （英文） 5. [Deep Learning - An MIT Press book]：http://www.deeplearningbook.org/ 6. [Neural Network Playground]： http://playground.tensorflow.org/ 7. [A Guide to Deep Learning]： http://www.reibang.com/p/6752a8845d01 8. [知乎“機(jī)器學(xué)習(xí)”專欄]： https://www.zhihu.com/collection/108812637 9. [How do Convolutional Neural Networks work?] http://www.reibang.com/p/fe428f0b32c1 …… 希望大家可以相互交流岁歉，相互學(xué)習(xí)！

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)容澈圈。從基礎(chǔ)理論到實(shí)戰(zhàn)演練均可嘗試投稿彬檀。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)求帆啃，我們會(huì)滿足你的哈！ 該專欄中的文章還會(huì)被發(fā)在：UAI人工智能公眾號(hào)窍帝。讓更多的人看到你們的優(yōu)秀作品努潘。

In recent years, deep learning has achieved great success in many computer vision applications. Convolutional neural networks (CNNs) have lately emerged as a major approach to image classification.