西瓜书《机器学习》 作者:周志华教授,ACM杰出科学家,IEEE Fellow,IAPR Fellow 介绍:中文版本的机器学习入门教材; 优点:深入浅出的对机器学习各种算法进行介绍; 难度:★★★
如果你从未接触过编程,那么推荐本篇中的教材资源给你。在这里对你的编码经验完全没有要求。倘若你有过编程经验,可以看下我们准备的进阶页面:
机器之心报道 编辑:蛋酱 他写出了传世的经典教材「龙书」,却因为出格的言论招来了争议。 几天前,一年一度的图灵奖刚刚揭晓,经典教材《编译原理》的作者 Alfred Vaino Aho 和 Jeffrey David Ullman 二人共同获奖。 ACM 在官方公告表示, Alfred Vaino Aho 和 Jeffrey David Ullman「创造了全球数百万编程人员使用的工具和教材」。其中,Jeff Ullman 是斯坦福大学计算机科学系的 Stanford W. Ascherman 教授,也是谷歌
假如有机会重新学习计算机,在学每一门具体的学科之前,我都会上网搜一下入门教材推荐。我会选择那些适合入门的、比较薄的书,而不是那些经典的但不适合入门的大部头教材。 假如有机会重新学习计算机,那么我仍然会从C语言开始学,只是我不会再以谭浩强的《C程序设计》作为入门书,取而代之的将是K&R的《C程序设计语言》 假如有机会重新学习计算机,那么我仍然会把C++作为我的第二入门语言。我仍会像当年一样选择郑莉的教材,而不会使用《C++ Primer Plus》这种九百多页的大部头。 假如有机会重新学习计算机,那么我会把J
《动手学深度学习》是加州大学伯克利分校 2019 年春学期 Introduction to Deep Learning 课程教材《Dive into Deep Learning》的中文版。课件及教学视频:
跟挺多非物理专业的同学聊天,被问到的最多的就是这个问题了。挺多同学也想转到理论物理专业并且做一些理论物理的研究。咱们今天就来聊聊这个话题。主要是下次被问到的话就可以直接把这一篇分享过去了。不过这个也只是我的个人观点。大家可以在留言区进行一些补充。
本文整理12册容易被忽略的人工智能书籍,有经典入门内容、有理论加深内容,现在大家都很关注怎样能够更快做出结果,往往忽略了一些基础内容,这些书籍,希望各位“闲暇”时,可以“阅读”一番。
这本被称为“人工智能领域标准教科书”的《人工智能:现代方法》就无愧于“巨著”这两个字。
在线比较各种cpu的性能 https://topic.expreview.com/CPU/,这个网站还有显卡和电源天梯榜 https://www.mydrivers.com/zhuanti/tianti/gpum/index.html
《HTML5权威指南》(电子版下载)是一本关于HTML5的详细指南。它详细介绍了HTML5的新特性,包括语法、API、图形和多媒体,以及与旧版HTML的区别。这本书非常适合那些希望快速了解HTML5的开发人员,并帮助他们创建高质量的网页和Web应用程序。
书籍是获取知识的最好来源之一。技术书籍浩如烟海,市场上有不少《XXX入门到精通》,《XXX王者归来》,《21天学会XXX》这样的书,当然也有不少经典,个人的精力有限,这些经典不可能都通读。所以·,博主尝试整理一个Java工程师所需知识的核心书单,尽可能优中选优,挑选出Java工程师必备知识的一些最核心、最经典的书籍,希望能一起学习,一起进步。
来源 | 微软研究院AI头条 自然语言处理(NLP)作为人工智能研究的核心领域之一,长久以来都受到广泛关注。微软全球执行副总裁沈向洋博士曾表示“懂语言者得天下,人工智能对人类影响最为深刻的就是自然语言方面。”现在很多研究人员都在进入自然语言领域,希望可以解决“让机器理解人类语言”这一难题。 为了帮助大家更好地学习NLP,微软亚洲研究院自然语言计算组资深研究员韦福如为大家推荐了一些关于自然语言学习方面经典的书籍和课程,分为入门级和进阶级两大类。 好,同学们现在都准备好了吗?请系好安全带,我们这辆开往“NLP
《计算机组成原理》第五版(唐朔飞考研版)是为“ 计算机组成原理 ”课程编写的教材,是很多学校 计算机组成原理 课程的指定教材,也是经典考研教材
最近一直看一本python经典教材——《Python学习手册》,因为之前都是突击学的,也没有仔细看一些经典教材,所以感觉自己的基础掌握的还不是很好,虽然网络上资源多,但我觉得还是有必要买本教材来认真的读一读,底层基础决定上层建筑嘛,基础打牢一些,对今后的编程还是会有些帮助的。
数学是学不完的,也没有几个人能像博士一样扎实地学好数学基础,入门人工智能领域,其实只需要掌握必要的基础知识就好。AI的数学基础最主要是高等数学、线性代数、概率论与数理统计三门课程,这三门课程是本科必修的。这里整理了一个简易的数学入门文章:
可能因为进入了新学期,本人遇到了几次身边小学弟和网友的提问:机器人学和SLAM该怎么入门好?由于回答了几次问题,就借着这个机会把问题的回答整理归纳下。这篇分享仅是根据本人入门Robitics和SLAM的亲身经历,基于一步一个脚印摸索而来的路线来尽可能避免小伙伴们走我的弯路,文章内容的广度和深度应该是不如网上其他大佬们整理出来的综述,但贵在真实可靠,希望对求学的伙伴们有些帮助,文章内容若有不当之处希望读者朋友们勘误。
自然语言处理(NLP)作为人工智能研究的核心领域之一,长久以来都受到广泛关注。微软全球执行副总裁沈向洋博士曾表示“ 懂语言者得天下,人工智能对人类影响最为深刻的就是自然语言方面。 ”现在很多研究人员都在进入自然语言领域,希望可以解决“让机器理解人类语言”这一难题。 为了帮助大家更好地学习NLP,我们邀请微软亚洲研究院自然语言计算组资深研究员韦福如为大家推荐了一些关于自然语言学习方面经典的书籍和课程,分为入门级和进阶级两大类。 好,同学们现在都准备好了吗?请系好安全带,我们这辆开往“NLP大佬界”方向的车就要
计算机核心基础知识方面,算法、数据结构、组成原理、网络等涉及到的基础知识一定要彻底掌握,牢牢记住并融会贯通。越是厉害的公司,越注重考察这类基础知识。相比短期能力,他们更看中的是长期潜力。
我们知道,当一个函数被调用时,一个新的执行上下文就会被创建,一个执行上下文的声明周期大致分为两个阶段:创建阶段和执行阶段。
在入门机器人视觉和机器人运动后,开始逐步接触到了3D计算机视觉中的高阶数学概念,包括三维物体到二维图片的变换(术语称之为射影几何);三维欧氏空间的物体运动坐标系变换,分为主动变换(active)和被动变换(passive);另外在更高阶的计算机渲染中常会用到Mesh和黎曼曲面;此外,几何深度学习(Geometric Deep Learning)中也涉及到群论,李群等。这些迷之概念使得我对于本科高等数学课程(多元微积分,线性代数,概率论)后面的纯数学感到兴趣。本来一直觉得纯数学会非常难学,但是当我写了很多年代码和阅读了多个AI领域的众多论文之后,总有一些本质问题萦绕在心,得不到解释:
允中 编译整理自 Medium 量子位 出品 | 公众号 QbitAI 自然语言处理入门该上什么课,看什么书,有哪些工具可用?Medium作者Melanie Tosik汇总了一份资源,量子位节选了其中
国内良莠不齐的C语言教程数不胜数,同名如“C程序设计”“C语言程序设计”“C语言程序设计教程”的都多如牛毛,这些不知名的就不予考虑了,要看就看经典。笔者呕心沥血翻阅十几本C语言入门书,去其糟粕取其精华,推荐以下这些C语言入门经典书籍,希望你能少走弯路,走入C语言的神奇世界。
本文由知名开源平台,AI技术平台以及领域专家:Datawhale,ApacheCN,AI有道和黄海广博士联合整理贡献,内容涵盖AI入门基础知识、数据分析\挖掘、机器学习、深度学习、强化学习、前沿Paper和五大AI理论应用领域:自然语言处理,计算机视觉,推荐系统,风控模型和知识图谱。是你学习AI从入门到专家必备的学习路线和优质学习资源。
哈喽小伙伴们,我是你们的老朋友 cxuan,今天这篇文章不聊技术,我们来谈一个特别的话题。在聊这个话题前,我想先确认个事儿,在座的大部分大学所选的专业应该都是计算机相关的吧,如果不是计算机相关,但你在从事这个行业之前肯定应该了解过计算机应该都要学习哪些内容吧,那么你还记得你上大学的时候,你们的计算机教材都有哪些吗?
版权声明:License CC BY-NC-SA 4.0 / 自豪地采用谷歌翻译 https://blog.csdn.net/wizardforcel/article/details/89632889
本文由知名开源平台,AI 技术平台以及领域专家:Datawhale,ApacheCN,AI 有道和黄海广博士联合整理贡献,内容涵盖 AI 入门基础知识、数据分析\挖掘、机器学习、深度学习、强化学习、前沿 Paper 和五大 AI 理论应用领域:自然语言处理,计算机视觉,推荐系统,风控模型和知识图谱。是你学习 AI 从入门到专家必备的学习路线和优质学习资源。
我们公众号之前曾经推送过类似的推文,但当时推荐的书籍不是很全面,另一方面笔者最近又看了不少经典的脑电书籍,因此在这里就重新做一个梳理,把一些经典的EEG脑电方面的教材推荐给大家,希望对EEG领域的同学和研究者有所帮助。
无论你是在学校、油管、B 站还是其他地方学《线性代数》,相信你对 MIT 的 Gilbert Strang 老爷子都不会陌生。
清华、北大、MIT、CMU、斯坦福的学霸们在新学期里要学什么?数据叔决定盘点一下那些世界名校计算机专业采用的教材。不用多说,每本都是经典的烧脑技术书,建议配合防脱发产品一起食用。
1. 引言 也许你和这个叫『机器学习』的家伙一点也不熟,但是你举起iphone手机拍照的时候,早已习惯它帮你框出人脸;也自然而然点开今日头条推给你的新闻;也习惯逛淘宝点了找相似之后货比三家;亦或喜闻乐见微软的年龄识别网站结果刷爆朋友圈。恩,这些功能的核心算法就是机器学习领域的内容。 套用一下大神们对机器学习的定义,机器学习研究的是计算机怎样模拟人类的学习行为,以获取新的知识或技能,并重新组织已有的知识结构使之不断改善自身。简单一点说,就是计算机从数据中学习出规律和模式,以应用在新数据上做预测的任务。近年
自学SPSS,有哪些教学视频或书籍推荐? 因为项目的需要,想自学spss软件,请问有哪些比较好的教学视频或自学书籍可以借鉴? SPSS主要有两个产品:统计分析的Statistics,以及数据挖掘的M
疑惑一 如何设计自己的自学路线? 很多小伙伴问,我准备自学,该怎么制定自己的计划,其实大家不要觉得自学就没有什么门槛,其实在学校里面有自学的习惯,切入到编程自学就是一件很简单的事情了,其实好习惯的养成是一个很艰难的过程,有好的学习习惯学什么都比较容易,自学需要比较强的自制力,因为自学的过程是没人监督,完全靠自觉性。为什么参加培训有些自制力差的也能学到一些东西,因为市面上来书,培训的费用都不低,花自己钱的会心疼的,心疼了自然也得咬牙也得坚持住,所以还能学点东西。那么如何制定自学的计划那,第一步确定自己学习的方
经常刷菜鸟团的小伙伴一定都已经是文献不求人的老手了,可是有时候想查点经典教材或者电子书的时候,那些大牛网站可能就不一定下载的到了。最近发现的两个网站我觉得还不错,推荐给大家。
【新智元导读】我们在《机器学习里,数学究竟多重要?》一文中提供了机器学习所需的数学知识和建议,对于初学者来说,并不需要先掌握大量的数学知识再开始做机器学习。学习最基本的线性代数和数理统计,然后在掌握更多技术和算法的过程中继续学习数学是很好的方法。那么,本文带来值得推荐的数学基础书籍。 “机器学习/深度学习并不需要很多数学基础!”也许你在不同的地方听过不少类似这样的说法。对于鼓励数学基础不好的同学入坑机器学习来说,这句话是挺不错的。不过,机器学习理论是与统计学、概率论、计算机科学、算法等方面交叉的领域,对这些
经典教材《Introduction to Linear Algebra》(《线性代数导论》)的作者Gilbert Strang教授又要出新书了。
导读:马云说996是“修来的福报”;刘强东给你讲了“地板闹钟的故事”;李国庆认为“管理者提高决策科学性比员工加班更有价值”;经济学家林采宜直接怼马云,说“996是一种洗脑文化”。
【导读】斯坦福大学《自然语言处理》经典课程,于2012年3月在Coursera启动了在线自然语言处理课程,由NLP领域大牛Dan Jurafsky 和 Chirs Manning教授授课。 网址链接:
周老师这本书用来当教材确实不错,不过自学的话跟李航老师的《统计学习方法》来比,确实不够详细,但周老师的书广度上要更加广泛。
作为专栏的第零篇,编外篇,我们也是考虑到在正式开始强化学习专栏内容介绍之前,给大家树立一些基础知识和学习框架。大部分关注专栏的同学都是具有数据处理、数据分析、数据挖掘、以及算法工程背景的同学。为了让大家能够统一基础认识,加深理论学习深度,我们在这里特此推出:数据科学——从计算到推理。
入门读物: 深入浅出数据分析 (豆瓣) 这书挺简单的,基本的内容都涉及了,说得也比较清楚,最后谈到了R是大加分。难易程度:非常易。 啤酒与尿布 (豆瓣) 通过案例来说事情,而且是最经典的例子。难易程度:非常易。 数据之美 (豆瓣) 一本介绍性的书籍,每章都解决一个具体的问题,甚至还有代码,对理解数据分析的应用领域和做法非常有帮助。难易程度:易。 数学之美 (豆瓣) 这本书非常棒啦,入门读起来很不错! 数据分析: SciPy and NumPy (豆瓣) 这本书可以归类为数据分析书吧,因为numpy和
以下是学习大型语言模型的一些书籍、论文和在线课程的推荐:书籍:《深度学习》(花书):该书是深度学习领域的经典教材,包括自然语言处理和语言模型等内容。《自然语言处理综论》:该书是自然语言处理领域的经典教材,包括语言模型、文本分类、情感分析等内容。《动手学深度学习》:该书是一本实践性的深度学习教材,包括自然语言处理和语言模型等内容。论文:GPT-3: Language Models are Few-Shot Learners:该论文介绍了GPT-3模型,是目前最先进的大型语言模型之一。BERT: Pre-tra
深度学习(Deep Learning)属于非常前沿的学科,没有现成的的综合型教材,主要是通过阅读大量论文和代码练习来学习。值得读的经典论文很多,下面介绍的一些教程中多少都有提及,另外就是去google重要文献。代码方面推荐使用python为基础的theano框架,因为它比较偏底层,可以从细节掌握如何构建一个深度学习模块,而且方便结合python在数据领域的其它积累,例如numpy。当然到了生产环境你可以再考虑torch之类的框架。从代码角度切入学习的好处是,理解起来不会像理论切入那么枯燥,可以很快做起一个好
南大的《物理化学》教材应该是国内物化教材中最为经典的,距离上一版(第五版)问世已经10多年了。今年,侯文华老师对教材进行了修订,目前第六版已经出版。不过改动不大,主要是将“化学平衡”一章进行了改写,并提前到第五章,位于“相平衡”一章之前。话不多说,上图:
C语言上个世纪七十年代诞生至今,已经度过了40多个春秋,在此期间经历多次的版本的更迭,目前市面上绝大部分语言的底层实现都是基于C语言,随着C语言之父的逝去,C语言的生命力还是依旧那么强势,绝大部分程序爱好者还是选择C语言作为入门语言。 C语言作为入门语言的几个优点 (1) C语言历史最为悠久,目前市面上几乎所有的编程语言的底层都用C作为基础,所以从C开始对于后期软件框架的理解,还是存在极大的好处。 (2).C语言是除了汇编语言之外最靠低底层的语言在执行效率上有着无可比拟的优势,特别是服务端或者大型程序的执行
导读:又到了全民剁手的双十一,那么问题来了,究竟有哪些好物,是真正“买不了吃亏,买不了上当”,能让你剁完不会后悔的?
导读:文艺复兴以来,源远流长的科学精神和逐步形成的学术规范,使西方国家在自然科学的各个领域取得了垄断性的优势;也正是这样的优势,使美国在信息技术发展的六十多年间名家辈出、独领风骚。
之前在知乎写过一个回答「你当初是如何学会操作系统这门课程的?」,没想到意外收获了1400+赞同和6000+的收藏,还上了知乎的热门。
领取专属 10元无门槛券
手把手带您无忧上云