欢迎大家赞助一杯啤酒🍺 我们准备了下酒菜:Formal mathematics/Isabelle/ML, Formal verification/Coq/ACL2, C++/F#/Lisp
Machine learning
来自开放百科 - 灰狐
(版本间的差异)
小 |
小 |
||
第6行: | 第6行: | ||
机器学习会成为研发未来[[Artificial intelligence|人工智能]]的核心技术。人工智能发展的最大问题,是改进机器学习算法。 | 机器学习会成为研发未来[[Artificial intelligence|人工智能]]的核心技术。人工智能发展的最大问题,是改进机器学习算法。 | ||
+ | |||
+ | 机器学习已经有了十分广泛的应用,例如:数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人运用。 | ||
==项目== | ==项目== |
2014年10月25日 (六) 14:29的版本
您可以在Wikipedia上了解到此条目的英文信息 Machine learning Thanks, Wikipedia. |
machine learning 机器学习
机器学习是人工智能研究领域中的一个极其重要的方向。在现今大数据时代的背景下,捕获数据并从中萃取有价值的信息或模式,使得这一过去为分析师与数学家所专属的研究领域越来越为人们瞩目。
机器学习会成为研发未来人工智能的核心技术。人工智能发展的最大问题,是改进机器学习算法。
机器学习已经有了十分广泛的应用,例如:数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人运用。
目录 |
项目
文档
- Deep Learning for Natural Language Processing and Related Applications
- Sibyl: 来自Google的大规模机器学习系统
- 百度:广告数据上的大规模机器学习
图书
- 《Introduction to Machine Learning》
- 《机器学习导论(原书第2版)》
- 《机器学习实践指南 案例应用解析》
- 《概率编程和贝叶斯方法实践》 @nbviewer @huihoo
课程
- Neural Networks for Machine Learning by Geoffrey Hinton
- 斯坦福大学公开课 :机器学习课程
- Stanford机器学习
- Stanford Machine Learning Course notes
- 加州理工学院公开课:机器学习与数据挖掘
链接
分享您的观点