1.视频来自哪里?
视频本题主从 youtube下载.
2.视频为什么不全?
2016/9/17包括了第一周的视频。以后会再次更新。
链接:http://pan.baidu.com/s/1miJbkPq 密码:6p7u
斯坦福大学2014(吴恩达)机器学习教程中文笔记 课程地址:https://www.coursera.org/course/ml 笔记在线阅读 Machine Learning(机器学习)是研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而
一共就面了半小时,有15分钟都在做题的样子😂 手撕: 判断链表有没有环,快慢指针,通过了面试官还要我讲一下思路,我就一直解释推的数学公式,不知道他听没听懂 问题: 我做的项目用了Xgboost,就从这个开始问,原理,GBDT,为什么这种模型好用等等 后来又问了我使用过paddleocr,提升准确率方法,(我也不知道,就瞎说,当时也没提升) 还问我会不会用大数据处理工具,没用过… 问了一些数据处理
提前批 过去有点久了,可能有些回忆不准确了 百度机器学习一面 (电话,很简短) 询问想做的方向 问了LSTM GRU的结构和区别 Attention 原理 Bert 原理 对做NLP怎么看 百度机器学习二面 过项目,问项目涉及到的机器学习算法 概率题 贝叶斯相关 手撕算法 二分查找 先写无重复的 再写有重复找第一个 百度机器学习三面 证明根号二是无理数 用梯度渐近法求根号2 用牛顿法求根号2 手撕
做了海笔没ak也约面了 第一个大厂还是很紧张很紧张的 面试官提前了四十分钟进会议室。。。 一上来自我介绍(ppt)面试官当时表现得有点异常惊讶hh 然后介绍完什么都没说直接编辑距离 当时脑海中一直想直接做题就是kpi 然后出了两个bug,思路也不说的不太好 面试官提醒之后才搞完 再接着就是简历深挖,挖到地心了 很多自己没想过的被问了 然后问各种 bn、dropout、不过都是基础的机器学习的东西,
岗位:机器学习/数据挖掘/自然语言处理工程师 面试体验:第一个面的公司,很紧张,也是被拷打的最狠的一次 一面 8/23 70分钟 1. 自我介绍 2. 实习拷打 推荐算法中的相关模型和前沿理论 是否有读过最近的期刊上的文章,做一些介绍 3. 科研拷打 如何做的模型 其中的系数如何确定 4. NLP拷打 Attention介绍 QKV是什么,举例说一下 Tranformer的encoder和deco
这些课程专为已有一定基础(基本的编程知识,熟悉 Python、对机器学习有基本了解),想要尝试进入人工智能领域的计算机专业人士准备。介绍显示:深度学习是科技业最热门的技能之一,本课程将帮你掌握深度学习。 在这5堂课中,学生将可以学习到深度学习的基础,学会构建神经网络,并用在包括吴恩达本人在内的多位业界顶尖专家指导下创建自己的机器学习项目。Deep Learning Specialization对卷
主要内容:机器学习,深度学习,机器学习与深度学习的区别,机器学习和深度学习的应用人工智能是近几年来最流行的趋势之一。机器学习和深度学习构成了人工智能。下面显示的维恩图解释了机器学习和深度学习的关系 - 机器学习 机器学习是让计算机按照设计和编程的算法行事的科学艺术。许多研究人员认为机器学习是实现人类AI的最佳方式。机器学习包括以下类型的模式 - 监督学习模式 无监督学习模式 深度学习 深度学习是机器学习的一个子领域,其中有关算法的灵感来自大脑的结构和功能,称为人工神经网络。
主要内容:数据量,硬件依赖,特色工程在本章中,我们将讨论机器和深度学习概念之间的主要区别。 数据量 机器学习使用不同数量的数据,主要用于少量数据。另一方面,如果数据量迅速增加,深度学习可以有效地工作。下图描绘了机器学习和深度学习在数据量方面的工作 - 硬件依赖 与传统的机器学习算法相反,深度学习算法设计为在很大程度上依赖于高端机器。深度学习算法执行大量矩阵乘法运算,这需要巨大的硬件支持。 特色工程 特征工程是将领域知识放入指定特征的