MachineLearning YearningSharing 是北京科技大学“机器学习研讨小组”旗下的文献翻译项目，其原文由Deep Learning.ai 公司的吴恩达博士进行撰写。本部分文献翻译工作旨在研讨小组内部交流，内容原创为吴恩达博士，学习小组成员只对文献内容进行翻译，对于翻译有误的部分，欢迎大家提出。欢迎大家一起努力学习、提高，共同进步！
系统的内存并不是无限大，操作系统会为每个程序分配内存，当访问的地址块不在内存中，就要从外存（即硬盘，U盘等）调入，这就是所说的缺页异常。
Lingo求解器是一款强大的数学建模和优化软件，具有多种独特功能，例如高效求解器、灵活的建模界面、多种可定制的算法等。本文将通过实际案例，举例说明Lingo求解器软件的几个独特功能，并介绍其在实际应用中的价值。
“文档1”的ID > 单词1：出现次数，出现位置列表；单词2：出现次数，出现位置列表；…………。
算法复杂度用于定义问题的难度，另外也有助于开发最优化的算法，算法复杂度能够通过分析最坏情况来降低输入数据对算法性能的影响。
来源：机器之心、深度学习爱好者 本文约3100字，建议阅读6分钟 本文为你介绍机器学习的基本概念、原理和常见算法。 [ 导读 ] 四大会计师事务所之一的普华永道（PwC）发布了多份解读机器学习基础的图表，其中介绍了机器学习的基本概念、原理、历史、未来趋势和一些常见的算法。为便于读者阅读，我们对这些图表进行了编译和拆分，分三大部分对这些内容进行了呈现，希望能帮助你进一步扩展阅读。 一、机器学习概览 1. 什么是机器学习？ 机器通过分析大量数据来进行学习。比如说，不需要通过编程来识别猫或人脸，它们可以通过使用
来源：机器之心本文约3300字，建议阅读5分钟本文介绍了机器学习基础的图表，其中介绍了机器学习的基本概念、原理、历史、未来趋势和一些常见的算法。 一、机器学习概览 1. 什么是机器学习？ 机器通过分析大量数据来进行学习。比如说，不需要通过编程来识别猫或人脸，它们可以通过使用图片来进行训练，从而归纳和识别特定的目标。 2. 机器学习和人工智能的关系 机器学习是一种重在寻找数据中的模式并使用这些模式来做出预测的研究和算法的门类。机器学习是人工智能领域的一部分，并且和知识发现与数据挖掘有所交集。 3. 机器
几十年来，人工智能研究者的各个「部落」一直以来都在彼此争夺主导权。现在是这些部落联合起来的时候了吗？他们也可能不得不这样做，因为合作和算法融合是实现真正通用人工智能（AGI）的唯一方式。这里给出了机器学习方法的演化之路以及未来的可能模样。
机器学习正在进步，我们似乎正在不断接近我们心中的人工智能目标。语音识别、图像检测、机器翻译、风格迁移等技术已经在我们的实际生活中开始得到了应用，但机器学习的发展仍还在继续，甚至被认为有可能彻底改变人类文明的发展方向乃至人类自身。但你了解现在正在发生的这场变革吗？四大会计师事务所之一的普华永道（PwC）近日发布了多份解读机器学习基础的图表，其中介绍了机器学习的基本概念、原理、历史、未来趋势和一些常见的算法。为便于读者阅读，机器之心对这些图表进行了编译和拆分，分三大部分对这些内容进行了呈现，希望能帮助你进一步阅
今日举行的第88届奥斯卡颁奖典礼，最抢眼的男主角无疑是“万人迷”莱昂纳多·迪卡普里奥，第五次获得奥斯卡提名的小李子已经悲情 “陪跑”奥斯卡20多年。人工智能公司Unanimous A.I.对第88届奥斯卡金像奖的6个大奖的归属进行了一番预测。
选自PwC 作者：Alan Morrison、Anand Rao 机器之心编译 参与：吴攀、晏奇 机器学习正在进步，我们似乎正在不断接近我们心中的人工智能目标。语音识别、图像检测、机器翻译、风格迁移等技术已经在我们的实际生活中开始得到了应用，但机器学习的发展仍还在继续，甚至被认为有可能彻底改变人类文明的发展方向乃至人类自身。但你了解现在正在发生的这场变革吗？四大会计师事务所之一的普华永道（PwC）近日发布了多份解读机器学习基础的图表，其中介绍了机器学习的基本概念、原理、历史、未来趋势和一些常见的算法。为便于
1. PSO的基本思想： “自然界的蚁群、鸟群、鱼群、羊群、牛群、蜂群等，其实时时刻刻都在给予我们以某种启示，只不过我们常常忽略了大自然对我们的最大恩赐！”——马良教授 粒子群算法的思想源于对鸟群捕食
Don't envy what people have, emulate what they did to have it.—— Tim Fargo
大家好，我是来自于华为的程序员小熊。今天给大家带来一道与贪心算法相关的题目，这道题同时也是字节、苹果和亚马逊等互联网大厂的面试题，即力扣上买卖股票的最佳时机 II。
梯度检验与高级优化 导读 神经网络 反向传播算法 目录 关键词 梯度检验与高级优化 1 关键词 缺位错误 off-by-one error 偏置项 bias term 数值检验 numerically checking 数值舍入误差 numerical roundoff errors 有效数字 significant digits 组合扩展 unrolling 学习率 learning rate 汉森矩阵 Hessian matrix 牛顿法 Newton's method 共轭梯度 conjugate
看文章之前先看一个相关小视频（55s, 2.86M）： 1. PSO的基本思想： “自然界的蚁群、鸟群、鱼群、羊群、牛群、蜂群等，其实时时刻刻都在给予我们以某种启示，只不过我们常常忽略了大自然对我们的
决策树:判别模型，多分类与回归，正则化的极大似然估计 特点： 适用于小数据集，在进行逐步应答过程中，典型的决策树分析会使用分层变量或决策节点，例如，可将一个给定用户分类成信用可靠或不可靠。 场景举例：基于规则的信用评估、赛马结果预测 优点： 计算量简单，可解释性强，比较适合处理有缺失属性值的样本，能够处理不相关的特征； 擅长对人、地点、事物的一系列不同特征、品质、特性进行评估 缺点： 容易过拟合（后续出现了随机森林，减小了过拟合现象）,使用剪枝来避免过拟合； 适用数据范围： 数值型和标称型 CART分类
如果你现在需要亲手寄送20个快递包裹，你将如何计划最佳的投递路线？
我们的要求很简单，可以先不用考虑性能问题。实现功能即可，回头分析了面试的情况，结果使我大吃一惊。
SARSA（State-Action-Reward-State-Action）是一个学习马尔可夫决策过程策略的算法，通常应用于机器学习和强化学习学习领域中。它由Rummery 和 Niranjan在技术论文“Modified Connectionist Q-Learning（MCQL）” 中介绍了这个算法，并且由Rich Sutton在注脚处提到了SARSA这个别名。
由于注意力机制的二次复杂度，举例来说（如图1 a 所示），在单台装有 A100 的机器上为 LLaMA-3-8B 提供服务时，如果提示有 30 万个 token，模型需要 6 分钟才能完成预填充（ pre-filling）阶段，如果提示增加到 100 万个 token，这个数字将增加到 30 分钟。自注意力计算的开销占到了总预填充延迟的 90% 以上，这使其成为 LLM 处理长上下文时的主要瓶颈。
机器学习（十九） ——K-均值算法理论 （原创内容，转载请注明来源，谢谢） 一、概述 K均值（K-Means）算法，是一种无监督学习（Unsupervisedlearning）算法，其核心是聚类（Clustering），即把一组输入，通过K均值算法进行分类，输出分类结果。 由于K均值算法是无监督学习算法，故这里输入的样本和之前不同了，输入的样本只有样本本身，没有对应的样本分类结果，即这里的输入的仅仅是，每个x没有对应的分类结果y(i)，需要我们用算法去得到每个x对应的y。 K均值算法，常用的场景包括市场分析
通常在运行一段代码之前，我们需要预测其需要的资源。虽然有时我们主要关心像内存、网络带宽或者计算机硬件这类资源，但是通常我们想度量的是计算时间。 接下来我们以插入排序算法为切入点一窥时间复杂度的计算方法。
机器之心报道 编辑：泽南、陈萍 说不上无所不能，但也可以说是上天入地。 自 ChatGPT 推出以来，大语言模型充斥着新闻版面。很多公司都在试图追赶 OpenAI，但作为先行者，ChatGPT 显得一骑绝尘。 上周六，OpenAI CEO 奥特曼宣布 ChatGPT 的联网和插件功能上线在即，所有买了基于 GPT-4 的 ChatGPT Plus 付费用户马上就可以体验传说中改变游戏规则的 AI 能力。 ChatGPT 就是下一代搜索引擎吗？ 虽然我们已经被 AI 现有的能力吓到，但在更新之前，Chat
随着计算机计算能力的提高和大量数据集的公开，机器学习算法在许多不同领域取得了重大突破。这一发展影响了计算机安全，催生了一系列基于学习的安全系统，例如恶意软件检测、漏洞发现和二进制代码分析等。尽管机器学习算法潜力巨大，但其在安全领域中的使用却很微妙，容易出现缺陷，这些缺陷会破坏算法的性能，并使基于学习的系统可能不适合具体的安全任务和工具的实际部署。这也导致了大量安全人士看衰机器学习在安全领域的发展前景。
机器学习（十九）——K-均值算法理论 （原创内容，转载请注明来源，谢谢） 一、概述 K均值（K-Means）算法，是一种无监督学习（Unsupervisedlearning）算法，其核心是聚类（Clustering），即把一组输入，通过K均值算法进行分类，输出分类结果。 由于K均值算法是无监督学习算法，故这里输入的样本和之前不同了，输入的样本只有样本本身，没有对应的样本分类结果，即这里的输入的仅仅是{x(1),x(2),…x(m)}，每个x没有对应的分类结果y(i)，需要我们用算法去得
是的，今天要说的就是果蝇算法，“果蝇”就是你理解的那个果蝇，这是在2011年由Wen-Tsao Pan提出的有一种新型的群体智能优化算法。 1，引言： 演化式计算是一种共享名词，系指达尔文进化论的 ”适者生存，不适者淘汰”，以此观念来实际模拟自然界演化过程所建立的演算方式，例如早期Holland (1975) 教授的遗传算法(Genetic Algorithms)。然而，后进者开始将演化重心转移到动物的觅食行为与群体行为上，最早是以Dorigo (1997)教授所提出的蚁群算法(Ant Colony Alg
了解完它们的区别后，你会对假设一词在不同领域会有更深刻的认识，对于更好的使用假设会有更深入的理解。同时。对于机器学习的入门者来说，这样一篇文章对于个人今后在该领域的发展就是如虎添翼。
为了在统计过程中发现更多有趣的结果，我们将解决极大似然估计没有简单分析表达式的情况。举例来说，如果我们混合了各种分布，
最近我多次被问到统计（尤其是统计建模）、机器学习和人工智能之间有何区别。其实这三者之间在目标、技术和算法方面有很多重叠的部分。引起困惑的原因不仅仅是因为这些重叠部分，也是因为我们被很多非科普文中的时髦
当今世界充满了各种数据，而图像是其中高的重要组成部分。然而，若想其有所应用，我们需要对这些图像进行处理。图像处理是分析和操纵数字图像的过程，旨在提高其质量或从中提取一些信息，然后将其用于某些方面。
在机器学习的众多子领域中，聚类算法一直占据着不可忽视的地位。它们无需预先标注的数据，就能将数据集分组，组内元素相似度高，组间差异大。这种无监督学习的能力，使得聚类算法成为探索未知数据的有力工具。DBSCAN（Density-Based Spatial Clustering of Applications with Noise）是这一领域的杰出代表，它以其独特的密度定义和能力，处理有噪声的复杂数据集，揭示了数据中潜藏的自然结构。
当前，全球网络安全形势错综复杂，甚至难以管控。究其原因，一方面在于各种高级网络攻击活动持续增多，从本质上打破了安全平衡；另一方面在于，让人眼花缭乱的各类安全产品应运而生。 然而，这些安全产品虽各具功能特色，但也容易陷入“安全孤岛”，从总体上限制了安全效应发挥。 举例来说，假如一个机构，为安全投资部署了至少35种不同技术和上百种安全设备，然而由于这些技术设备使用的协议和运行模式不同，其最终结果可能是，构建了一堆“笨拙、反应迟钝”的安全设施平台，达不到建造安全、发挥安全的目的。 相反，这种情况，可能还会被攻
---- 新智元编译 来源：forbes 编译：克雷格 【新智元导读】Bernard Marr是美国的大数据专家，著有《大数据专家 小企业也能用好大数据》、《智能大数据SMART准则：数据分析方法、案例和行动纲领》等书。最近，Bernard Marr在Forbes上发表专栏文章，介绍了人工智能与区块链结合后，可能带来的三个具有突破性的方向。 之前我已经写过关于将区块链与物联网（IoT）整合在一起的现实情况和应用前景。现在让我们一起看看区块链如何为另一种尖端技术——人工智能（AI）——解锁新的领
线性回归可能是机器学习中最简单、最基础的算法了。但一定不要因为它简单就轻视它的存在，因为它也是很多更高级机器学习算法的基础，比如多项式回归、岭回归、 LASSO 回归等。线性回归的核心归结为求解正规方程（由样本特征x所得预测值y'和实际值y差的平方和，对x求偏导并使其为0所得的方程组），也就是利用最小二乘法求解方程系数。当x为一个n维向量时，方程的物理意义也被扩展为求解一个n维超平面前的系数。在介绍线性回归之前，让我们先了解下衡量线性回归预测结果好坏的指标。
当前应用研究的很多方面都依赖于一种名为梯度下降的算法。这是一个求解某个数学函数最大 / 最小值的过程（函数优化），从计算产品的最佳生产方式，到工人轮班的最佳安排方法，这一算法都能派上用场。
马尔科夫假设：t+1时刻的状态只和t时刻有关，跟t以前没有关系，在棋类游戏中很明显。
在机器学习领域，有种说法叫做“世上没有免费的午餐”，简而言之，它是指没有任何一种算法能在每个问题上都能有最好的效果，这个理论在监督学习方面体现得尤为重要。
在上一篇文章中，我们讨论了在 AI 游戏（主要是五子棋）中，应用 Minimax 算法。在本文中，我们将对该算法进行些改造。虽然它并不适用所有的游戏，但是它可能适用于一般的零和游戏，比如国际象棋，四子棋，跳棋等等...请注意，这些改进中的大部分都是针对特定的游戏。
导语：本文列出了数据科学家使用的十大机器学习算法，并且介绍了这十大算法的特点，供各位机器学习的新人们更好地理解和应用。
来源：图灵人工智能、凹凸数据本文约3600字，建议阅读7分钟本文利用图解的方式介绍了10大常见的机器学习算法。 在机器学习领域，有种说法叫做“世上没有免费的午餐”，简而言之，它是指没有任何一种算法能在每个问题上都能有最好的效果，这个理论在监督学习方面体现得尤为重要。 举个例子来说，你不能说神经网络永远比决策树好，反之亦然。模型运行被许多因素左右，例如数据集的大小和结构。因此，你应该根据你的问题尝试许多不同的算法，同时使用数据测试集来评估性能并选出最优项。 当然，你尝试的算法必须和你的问题相切合，其中的门道便
萧箫 整理自 MEET 2023 量子位 | 公众号 QbitAI 从Stable Diffusion到ChatGPT，这半年AI算法应用可谓突飞猛进。 但对于硬件领域而言，AI计算的下一个突破口或未来趋势究竟是什么？ 尤其是AI应用最大的领域之一——移动端，大量AI算法在这里遭遇考验，也在这里部署落地。 作为移动硬件领域对终端侧AI最有话语权的芯片厂商之一，高通对于未来AI计算的发展方向是如何预测的？ 在MEET2023智能未来大会上，高通技术公司产品管理高级副总裁Ziad Asghar分享了自己对于提升
题目链接：https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-with-cooldown/
《计算机程序的结构和解释》（在业界也称为SICP）是一本经典的书，它教编程的基础知识。
序列比对（sequence alignment），目前是生物信息学的基本研究方法。
编者按：灯塔大数据将每周持续推出《从零开始学大数据算法》的连载，本书为哈尔滨工业大学著名教授王宏志老师的扛鼎力作，以对话的形式深入浅出的从何为大数据说到大数据算法再到大数据技术的应用，带我们在大数据技术的海洋里徜徉～每周五定期更新 上期回顾&查看方式 在上一期，我们学习了众包算法实践——认识 AMT的相关内容。PS：了解了上期详细内容，请在自定义菜单栏中点击“灯塔数据”—“技术连载”进行查看；或者滑到文末【往期推荐】查看 No.77 众包算法实践——成为众包工人 小可 ：再来看一个任务。咦，为什么这个任务无
如果正确的利用模式识别进行商业预测和决策，那么会为企业带来巨大的利益。机器学习（ML）研究这些模式，并将人类决策过程编码成算法。这些算法可以被应用到几个实例以得出有意义的结论。在这篇文章中，我们将了解一些机器学习的基础、工作原理及特点。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM
