投稿

探索一句话版的机器学习与深度学习

1.2万

10

2018-04-26 08:16:15

未经作者授权，禁止转载

一句话版本的机器学习和深度学习有2个目的： 1. 有的小伙伴，跟我一样有畏难情绪，没开始就吓跑自己，如果听完一句话，觉得不是那么恐怕和玄奥，也许可以继续学； 2. 强迫自己反复复习，提炼学过的知识

一句话版机器学习

一句话总结

深度碎片发消息

As Simple As Possible

欢迎收看30+国企打工人上班一日vlog

钉钉黑板报

一句话版机器学习：为什么说regularization是阻止overfitting的好办法

02:03

一句话版机器学习：如何直观理解PCA的目的和原理

04:40

一句话版机器学习：PCA的维数K应该怎么选？

04:09

一句话版机器学习：为什么说PCA不应该被用来规避overfitting?

01:53

一句话版机器学习：如何理解anomaly detection的实质和工作原理

03:21

一句话版机器学习：实际操作中的anomaly detection一个简单工作流程是怎样的？

03:49

一句话版机器学习：如何理解Anomaly detection的阈值的寻找过程？

02:46

一句话版bayes theorem：尝试直观理解条件概率和Bayes rule

07:20

一句话版条件概率：如何套用公式计算良品与合格的条件概率问题

04:53

一句话版CNN：机器视觉的主要任务和困难挑战是什么

02:00

一句话版CNN：如何直观理解CNN与普通神经网络的算法上的本质区别

09:02

一句话版CNN：如何直观理解CNN与普通神经网络的算法上的本质区别（细节理解和过往笔记理解积累）

03:42

一句话版CNN：如何理解padding的意义和算法

03:02

一句话版CNN：如何理解stride的意义和算法注意事项

03:47

一句话CNN：从单色图片到彩色图片，input，filter与feature map 有哪些变化值得注意？

05:34

一句话的CNN：为什么处理图片CNN比DNN高效的多？

03:53

一句话的CNN：如何理解pooling layer的意义和工作原理？

03:07

一句话的CNN：如何理解feature map在逐步缩小，feature map的channels在逐步增多的合理性（LeNet-5流程）

01:14

一句话CNN：如何理解convolutional layer的设计优势

01:44

一分钟的CNN：如何理解IoU(Intersection over Union)和NMS(non maximum suppression)算法？

03:41

10分钟版图解读深度学习论文的策略梳理

10:36

16分钟版RCNN：图解RCNN物体识别全流程

16:01

8分钟如何理解maximum likelihood estimation

07:56

4分钟概率机器学习如何理解maximum posterior parameter estimation

04:39

7分钟 bayesian DL 如何从Bayes角度理解深度学习

08:38

5分钟bayesian 如何理解prior分布到posterior分布的变化过程

05:28

10分钟如何直观理解bayes rule建模公式

11:22

3分钟ML 如何理解数据的稀疏行sparsity

02:43

1分钟版GoogleNet inception

01:30

1分钟版Transfer learning

01:22

1分钟版机器视觉的现状

01:11

3分钟如何理解一个模型完成多任务的物体识别

02:46

2分钟CNN 如何用landmark detection 来完成人脸识别

02:38

7分钟如何用CNN模型与sliding window完成对大图片中小物体的寻找并分类

06:50

5分钟YOLO模型是如何识别物体类别和计算方框的

05:49

4分钟为什么将数据映射到新维度上能产生新知识新发现

04:08

2分钟如何理解one shot learning解决人脸辨识

02:01

1分钟Siamese network

00:55

9分钟triplet loss的意义和构造

08:49

4分钟如何用siamese network 和logistic regression做face verification

04:17

8分钟如何理解neural style transfer的模型和损失函数

08:51

顶部