Публикации по теме 'andrew-ng'
Глубокое обучение Эндрю Нг (deeplearning.ai): пошаговый обзор
Пять курсов Эндрю Нг направлены на то, чтобы дать новичкам и практикам ускоренный курс по всем аспектам глубокого обучения — от полностью подключенных нейронных сетей до сверточных сетей и моделей последовательностей. Я прошла все пять курсов и закончила четыре. (Я еще не закончил курс сверточных сетей, но я взял достаточно материала, чтобы написать обзор!)
Вот мой пошаговый обзор специализации Эндрю Нг по глубокому обучению.
Нейронные сети и глубокое обучение
Первый курс..
Чего хочет ИИ
Обзор книги Мартина Форда «Архитекторы интеллекта» (Packt, 2018 г.)
В конце прошлого года мне прислали рецензию на новую книгу по ИИ. Я прочитал его на Рождество, и, поскольку он был довольно хорош, я решил сделать небольшой обзор здесь, так как в последнее время я был очень занят, управляя всплеском роста в Hospify , и не публиковал на своем Medium. блог некоторое время.
Книга называется Архитекторы интеллекта: правда об ИИ от людей, которые его создают и, как следует из..
Прогнозирование цен на жилье с использованием алгоритма машинного обучения Эндрю Нга
В продолжение Курса машинного обучения Python (линейная регрессия) Эндрю Нг я решил использовать свой код Python в соревновании Kaggle, чтобы проверить надежность и практичность кода.
Поскольку я тестирую алгоритмы линейной регрессии, конкурс Цены на жилье: расширенные методы регрессии кажется хорошим выбором для этой задачи. Набор данных состоит из 80 столбцов уникальных независимых переменных, 1460 строк в данных поезда и 1459 строк в тестовых данных. Цель этого конкурса -..
Заметки Coursera по машинному обучению - неделя 4, нелинейная гипотеза и искусственная нейронная сеть…
Заметки о курсе Coursera Машинное обучение , проведенном Эндрю Нг, адъюнкт-профессором Стэнфордского университета.
В предыдущих заметках мы ввели линейные гипотезы, такие как линейная регрессия , многомерная линейная регрессия и простая логистическая регрессия . Они полезны для многих задач, но их недостаточно, чтобы охватить все проблемы в реальности. Проблемы нелинейной классификации - одна из тех, которые не могут быть решены с помощью простого линейного метода. Итак, начнем!..
Универсальный рабочий процесс для решения проблемы машинного обучения
Если вы не знаете, куда идете, вы окажетесь в другом месте.
Определите проблему и соберите набор данных:
Каковы ваши входные данные? Что вы пытаетесь предсказать? Что это за проблема — Под наблюдением? Без присмотра? Самостоятельный контроль? Обучение с подкреплением?
Помните о гипотезах, которые вы делаете на этом этапе:
Вы предполагаете, что ваши результаты можно предсказать, учитывая ваши входные данные. Вы предполагаете, что имеющиеся у вас данные достаточно..
Заметки о лекции Эндрю Нг на Coursera (ML)
Как правило, любую проблему машинного обучения можно отнести к одной из двух широких классификаций: Обучение с учителем и Обучение без учителя.
Том Митчелл предлагает более современное определение: «Говорят, что компьютерная программа учится на опыте E в отношении некоторого класса задач T и показателя производительности P, если ее производительность при выполнении задач в T, измеряемая P, улучшается с опыт E.”
Обучение под наблюдением: даны «правильные ответы».
Это может быть..
Привет. Ты все еще человек?
Интеллектуальные течения, сопровождающие достижения в области технологий, могут быть такими же захватывающими, как и сами технологии. Прямо сейчас укрепляется вера в то, что человечество находится на пороге большого прорыва. Что это могло быть?
Для многих людей искусственный интеллект (ИИ) сулит лучшую, легкую и долгую жизнь. Возможно даже больше.
Разворачивающаяся революция искусственного интеллекта, дополненная машинным обучением , глубоким обучением и когнитивными..