《模式识别与机器学习》国科大黄庆明2016-2020年全网最全试卷，部分有解析答案，历年来试卷都有很大的反复率，祝考个好成绩
2020/9/15 22:44:33
5.3MB
1
吴良超笔记连载（自然翻页的顺序收集的）摘要.md，字节跳动的广告技术团队的一名博主日志的分类整理。
重点是计算广告和机器学习，Leetcode解题报告，python编程。
尊重原始序列的基础上，分类整理日志的文章摘要。
感兴味的正文请另行下载。
也聊了题外话：谈AI时代的知识学习——资料、信息的收集、整理。
对Typora笔记，提出了一些改进意见。
重点是计算广告和机器学习，Leetcode解题报告，python编程。
尊重原始序列的基础上，分类整理日志的文章摘要。
感兴味的正文请另行下载。
也聊了题外话：谈AI时代的知识学习——资料、信息的收集、整理。
对Typora笔记，提出了一些改进意见。
2020/11/20 11:58:25
283KB
1
文本分类技术经历了从专家系统到机器学习再到深度学习的发展过程。
在20世纪80年代以前，基于规则系统的文本分类方法需要领域专家定义一系列分类规则，通过规则婚配判断文本类别。
在20世纪80年代以前，基于规则系统的文本分类方法需要领域专家定义一系列分类规则，通过规则婚配判断文本类别。
2021/2/22 19:33:17
1.34MB
1
基本部分：1）生成单音干扰、多音干扰、宽带噪声干扰、部分频带噪声干扰、宽带梳状谱干扰、线性调频干扰等6种通信干扰信号；
2）选择合适的特征参数，采用决策树法实现对上述干扰信号的识别，高斯白噪声信道，干噪比(JNR)为0~15dB，识别正确率大于95%。
扩展部分：选择合适的特征参数，采用NN或者SVM机器学习实现对上述干扰信号的识别，高斯白噪声信道，干噪比(JNR)为0~15dB，识别正确率大于95%。
实验次要完成了三部分工作。
1.通信干扰信号的生成。
对6种干扰信号进行了仿真。
2.特征参数的提取和讨论。
对时域和频域的参数进行了提取，分析了不同JNR下的参数变化趋势，以及不同干扰信号之间的差异。
3.基于特征参数的分类。
选择合适的特征参数，分别使用决策树法、支持向量机法以及神经网络法对干扰信号进行了分类。
2）选择合适的特征参数，采用决策树法实现对上述干扰信号的识别，高斯白噪声信道，干噪比(JNR)为0~15dB，识别正确率大于95%。
扩展部分：选择合适的特征参数，采用NN或者SVM机器学习实现对上述干扰信号的识别，高斯白噪声信道，干噪比(JNR)为0~15dB，识别正确率大于95%。
实验次要完成了三部分工作。
1.通信干扰信号的生成。
对6种干扰信号进行了仿真。
2.特征参数的提取和讨论。
对时域和频域的参数进行了提取，分析了不同JNR下的参数变化趋势，以及不同干扰信号之间的差异。
3.基于特征参数的分类。
选择合适的特征参数，分别使用决策树法、支持向量机法以及神经网络法对干扰信号进行了分类。
2018/6/7 15:27:17
514KB
1
最优化教材，PCL里面BFGS的实现就是按照这本书。
里面优化的理论在机器学习中也广泛使用
里面优化的理论在机器学习中也广泛使用
2018/4/4 13:21:10
14.35MB
1
注意：不是编程练习！不是编程练习！不是编程练习！重要的事情说三遍。
本资源是coursera机器学习每周每课时（2--11周）的测验题目，包括每节课都有暂停之后的小练习，都是自己截图下来的，是纯英文版的，部分图片里面我个人用FastStone添加了个人理解解题思路，如有问题可以一起交流。
coursera机器学习的题目还是很经典的，切中要害，对于复习巩固学过的知识具有莫大的协助。
本资源是coursera机器学习每周每课时（2--11周）的测验题目，包括每节课都有暂停之后的小练习，都是自己截图下来的，是纯英文版的，部分图片里面我个人用FastStone添加了个人理解解题思路，如有问题可以一起交流。
coursera机器学习的题目还是很经典的，切中要害，对于复习巩固学过的知识具有莫大的协助。
2015/11/21 4:56:46
9.43MB
1
TensorFlow内核剖析TensorFlowInternals刘光聪著本书定位这是一本剖析TensorFlow内核工作原理的书籍,并非讲述如何使用TensorFlow构建机器学习模型,也不会讲述应用TensorFlow的最佳实践。
本书将通过剖析TensorFlow源代码的方式,揭示TensorFlow的系统架构、领域模型、工作原理、及其实现模式等相关内容,以便揭示内在的知识。
面向的读者本书假设读者已经了解机器学习相关基本概念与理论,了解机器学习相关的基本方法论;同时,假设读者熟悉Python,C++等程序设计语言。
本书适合于渴望深入了解TensorFlow内核设计,期望改善TensorFlow系统设计和功能优化,及其探究TensorFlow关键技术的设计和实现的系统架构师、AI算法工程师、和AI软件工程师。
本书将通过剖析TensorFlow源代码的方式,揭示TensorFlow的系统架构、领域模型、工作原理、及其实现模式等相关内容,以便揭示内在的知识。
面向的读者本书假设读者已经了解机器学习相关基本概念与理论,了解机器学习相关的基本方法论;同时,假设读者熟悉Python,C++等程序设计语言。
本书适合于渴望深入了解TensorFlow内核设计,期望改善TensorFlow系统设计和功能优化,及其探究TensorFlow关键技术的设计和实现的系统架构师、AI算法工程师、和AI软件工程师。
2020/1/14 6:26:52
21.27MB
1
研究生院研究我愚蠢的尝试使研究生院的申请更具吸引力。
介绍晚上10:56，我精疲力尽，开始研究，学习GRE，学习课程，阅读论文以及准备研究生申请。
出于某些奇怪的原因，我真的很喜欢编写markdown文件，因此我认为创建一个存储库以保存我在寻找适合我的研究生院时所做的研究记录可能是个好主意。
嘿，有一天甚至可能会协助某个人！所以这里什么都没有！我在寻找什么这所大学教什么样的教授？他们正在做什么样的研究？这所大学提供什么样的研究机会？（例如，机器学习计划，数据科学机构）最重要的是，我在这所学校会开心吗，为什么？目录我目前正在考虑在以下学校攻读研究生课程：斯坦福大学：牛津大学：伦敦帝国理工学院：伦敦大学学院：苏黎世联邦理工学院：洛桑联邦理工学院：东京大学
介绍晚上10:56，我精疲力尽，开始研究，学习GRE，学习课程，阅读论文以及准备研究生申请。
出于某些奇怪的原因，我真的很喜欢编写markdown文件，因此我认为创建一个存储库以保存我在寻找适合我的研究生院时所做的研究记录可能是个好主意。
嘿，有一天甚至可能会协助某个人！所以这里什么都没有！我在寻找什么这所大学教什么样的教授？他们正在做什么样的研究？这所大学提供什么样的研究机会？（例如，机器学习计划，数据科学机构）最重要的是，我在这所学校会开心吗，为什么？目录我目前正在考虑在以下学校攻读研究生课程：斯坦福大学：牛津大学：伦敦帝国理工学院：伦敦大学学院：苏黎世联邦理工学院：洛桑联邦理工学院：东京大学
2017/10/10 11:42:54
10KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB