首页
(current)
分类
标签
排行榜
搜索
注册
登录
小鹤
人工智能文档池
人工智能文档池
语言：中文 | 章节：140 | 阅读：7570 | 收藏：0 | 评论：0
medium
阅读
收藏
打赏
分享
举报
目录
评论
万物皆为向量：在线向量召回工程服务化实践
示教-重复-重新计划系统-README
利用物理模型进行金融建模（附源代码）
睿思凯（FrSky）数传功能
使用 Flight Review 进行日志分析
无人机姿态调参
无人机飞行不稳定常见问题
4824-imagenet-classification-with-deep-convolutional-neural-networks-已转档
Pixhawk4无人机配件
CTP封装过程记录
目标检测之RCNN，SPP-NET，Fast-RCNN，Faster-RCNN
使用R-CNN的目标检测和分类
基于深度学习的对象检测算法的概述
逐步了解LSTM Autoencoder图层
用于图像分割的U-Net和Res-Net简介
AlexNet, VGGNet, ResNet, Inception的w3h
天秤座white-paper
PyTorch中使用迁移学习的图像分类
了解AlexNet
实现Faster R-CNN
PyTorch复现AlexNet神经网络详细实现教程
在PyTorch中构建Faster RCNN的指南
新的护城河
我学到了12个机器学习初创公司的经验
制作智能音箱
Snips Voice Platform
Glossary
家用电器语音控制的定义和限制：还有很多工作要做
Metacat：在Netflix上使大数据可被发现和有意义
开源Zuul 2
Leon架构
Mask R-CNN Unmasked
选择XGBoost模型训练的最优参数
在 Python 中开始使用 XGBoost 的 7 步迷你课程
如何在 Python 中使用 XGBoost 可视化梯度提升决策树
如何在 Python 中使用 XGBoost 调整决策树的数量和大小
在 Python 中使用 XGBoost 调整梯度提升的学习率
如何使用 Amazon Web Services 在云中训练 XGBoost 模型
SUMMARY
在 Python 中使用 XGBoost 和 scikit-learn 进行随机梯度提升
从梯度提升开始，比较 165 个数据集上的 13 种算法
如何在 Python 中使用 XGBoost 保存梯度提升模型
如何在 macOS 上为 Python 安装 XGBoost
应用机器学习的 XGBoost 简介
浅谈机器学习的梯度提升算法
在 Python 中使用 XGBoost 的特征重要性和特征选择
如何在 Python 中使用 XGBoost 评估梯度提升模型
如何使用 scikit-learn 在 Python 中开发您的第一个 XGBoost 模型
在 Python 中使用 XGBoost 进行梯度提升的数据准备
如何配置梯度提升算法
如何在 Python 中调优 XGBoost 的多线程支持
通过在 Python 中使用 XGBoost 提前停止来避免过度拟合
Boosted Trees简介
Spark上的实际Python工作负载：独立群集
语音助理在手机上被浪费了
使用Spark和MLlib进行机器学习简介（DataFrame API）
爱最近邻算法的10个理由
Pytorch：如何以及何时使用Module，Sequential，ModuleList和ModuleDict
强大机器学习的三大支柱：规范测试，强大的训练和形式验证
MLFLOW概念
如何使用良好的软件工程实践设置PySpark环境以进行开发
机器学习算法之Catboost
PyTorch中用卷积神经网络进行传递学习
从Alexa的错误中学习
使用分类数据
webhook实现服务器自动部署
12产品管理的行为数据类型
了解XGBoost背后的数学的端到端指南
XGBoost算法：长期可能在位！
使用Spark Structured Streaming，XGBoost和Scala进行实时预测
PySpark ML和XGBoost完全集成在Kaggle Titanic数据集上进行了测试
我的建立图书推荐系统之旅。。。
转移学习：重新启动Inception V3以进行自定义图像分类
建立你的第一个语音助手
如何使您的MLflow项目易于共享和协作
转移学习:重新启动Inception V3以进行自定义图像分类
PyTorch：了解自动微分的工作原理
使用MLflow赋予Spark功能
PySpark ML和XGBoost完全集成在Kaggle Titanic数据集上进行了测试
三种流行的聚类方法以及何时使用每种方法
决策树完整指南
大数据和Hadoop时代的维度建模和Kimball数据集市
动画RNN，LSTM和GRU
XGBoost不是黑魔法
CatBoost有什么特别之处？
理解二进制交叉熵、对数损失函数:一种可视化解释
我的建立图书推荐系统之旅。。。
Pytorch:如何以及何时使用Module，Sequential，ModuleList和ModuleDict
Careem的目的地预测服务如何加快您的驾驶速度
去除正则化会避免模型过拟合吗？
不要在卷积网络中使用Dropout
MLFLOW概念
使用Apache Spark的实时机器学习管道
Kaggle＃1获胜图像分类挑战方法
强大机器学习的三大支柱:规范测试，强大的训练和形式验证
建立你的第一个语音助手
Pytorch：如何以及何时使用Module，Sequential，ModuleList和ModuleDict
PySpark ML和XGBoost完全集成在Kaggle Titanic数据集上进行了测试
我们从基于区域的物体探测器（更快的R-CNN，R-FCN，FPN）中学到了什么？
认识和实现：批量标准化
F-35是1.4万亿美元的国家灾难
迁移学习：使用Fast.AI库对4种北极犬进行分类
语音助理在手机上被浪费了
使用分类数据
如何使您的MLflow项目易于共享和协作
机器学习算法之Catboost
使用新的fastai库实现世界一流的结果
MLflow模型
转移学习:重新启动Inception V3以进行自定义图像分类
在机器学习预测中转换分类数据的可用性
梯度下降优化算法概述
webhook实现服务器自动部署
评论：U-Net（生物医学图像分割）
Capsule Networks：一种全新且极具吸引力的AI架构
目标检测和定位算法的演变
12产品管理的行为数据类型
PyTorch中用卷积神经网络进行传递学习
了解XGBoost背后的数学的端到端指南
XGBoost算法:长期可能在位！
将ML投入生产：在Python中使用Apache Kafka
使用Spark和MLlib进行机器学习简介（DataFrame API）
Spark上的实际Python工作负载:独立群集
从Alexa的错误中学习
语义分割 - U-Net（第1部分）
如何使用良好的软件工程实践设置PySpark环境以进行开发
眼底水肿病变区域自动分割
使用Spark Structured Streaming，XGBoost和Scala进行实时预测
MLflow项目
Adam - 深度学习优化的最新趋势
如何（以及为什么）创建一个好的验证集
MLlib管道和结构化流媒体
热衷最近邻算法的10个理由
通过AdaBoost和Gradient Boosting提升
K均值聚类的剖析
Apache Kafka 和Spark的实时数据管道
关于目标检测，所有你应该知道的深度学习模型
Teach-Repeat-Replan
VINS-Fusion
智能饮食推荐
善良比聪明更重要（评论内容审核后才会显示）
相关书籍
人工智能
人工智能
人工智能
人工智能
人工智能
人工智能
人工智能
人工智能
人工智能
人工智能
人工智能
人工智能
分享，让知识传承更久远
×
文档下载
×
请下载您需要的格式的文档，随时随地，享受汲取知识的乐趣！
PDF
文档
EPUB
文档
MOBI
文档