HelloWorld 开发者社区

科技资讯

全部资讯

开源项目

全部项目

推荐好文

「MindSpore:跟着小Mi一起深度学习吧」简单介绍

深度学习,听到这个词大家肯定一点都不陌生,没错,今天开始,小Mi带领大家进入全新的系列——跟着小Mi一起深度学习,让我们有态度地深度学习!概念区分那么有人就会问了,不是已经学过机器学习了吗?还需要学习深度学习干啥?其实在机器学习这块,小Mi只是简单给大家介绍了各种学习的算法,而深度学习算得上是机

「MindSpore:跟着小Mi一起机器学习吧!」介绍篇

最近小Mi发现一个问题!为什么某听歌软件给我推荐的绝大多数都是我的style?为什么某橙色购物软件给我推荐的也有不少就能直接给我种草?小Mi灵机一动,掏出手机开始求助百度大哥,经过一通搜索,才发现这就是如今非常火热的人工智能技术!不仅如此,人工智能技术原来已经真真切切地存在于我们生活中了,比如我们每

小Mi的MindSpore学习:和电脑轻松对决

转眼间,小Mi带大家已经机器学习了两个月了,今天带大家一起放松放松,我们和电脑来几场简单的“决斗”!场景1:在没有丰富表情包的聊天时代,大家的表情是不是纯粹靠兔斯基和石头剪刀布来简单进行娱乐,要不今天安排下和计算机无聊来几局?逻辑分析:代码展示:importrandom导入随机模块

【MindSpore:跟着小Mi一起机器学习】那些我们快要遗忘的线性代数知识点

一周未见,动力不减!小Mi又带着知识点和大家见面啦!(敲黑板~)上周小Mi带着大家简单地学习了机器学习的概念,还有其常见的两个大类,监督学习和无监督学习,这次小Mi决定跟大家一起复习下机器学习中常用的线性代数知识。话说矩阵、向量还记得不,逆和转置到底是什么玩意儿?你的大学老师是不是已经哭晕在厕所

【MindSpore:跟着小Mi一起机器学习】单变量线性回归(一)

几天不见,动力不减!话说回来,我们要正式开始挑起大梁干大事了,前面一段时间,小Mi已经带大家初步了解了机器学习,复习了机器学习中需要用到的线性代数知识点,这次我们就要开始正式学习监督学习下的单变量线性回归(那么后面是不是还有多变量线性回归?Bingo!答对了!)啦。那就废话不多说,抓紧时间跟小Mi一

听说逆向思维能够降低时间复杂度?

以终为始在日常生活中指的是先确定目标,再做好计划。之前读管理学的书的时候,学到了这个概念。而在算法中,以终为始指的是从结果反向推,直到问题的初始状态。那么什么时候适合反向思考呢?一个很简单的原则就是:正向思考的情况比较多代码比较难写或者算法复杂度过高这个时候我

【MindSpore:跟着小Mi一起机器学习】单变量线性回归(二)

小Mi学习,向上积极!在上一篇机器学习中,小Mi已经带大家认识了单变量线性回归的数学模型,以及对应代价函数的图形解释,小Mi也提及过,我们真正需要的是一种有效的算法,能够自动地找出这些使代价函数J取最小值的参数,来,因此它来了它来了!今天小Mi在此基础上,继续带大家一起学习梯度下降算法。3梯度下

【MindSpore:跟着小Mi一起机器学习吧!】多变量线性回归(一)

小Mi学习,向上积极!前两节小Mi带大家学习了单变量线性回归,还具体分析了自动求解最小代价函数参数的梯度下降法。这不有了单变量,是不是肯定有多变量?!今天小Mi跟大家一起讨论的就是一种更为有效,适合实际情况的形式多变量线性回归~~1多维特征既然是多变量线性回归,那么肯定是存在多个变量或者多个

【MindSpore:跟着小Mi一起机器学习吧!】多变量线性回归(二)

几天不见,甚是想念!小Mi系列的活动正在如火如荼地进行中,小Mi看到大伙儿的热情,动力更加十足,这不又迫不及待地更新来了!在上期的多变量线性回归介绍中,我们学习了多维特征、多变量的梯度下降法以及在实现梯度下降过程中的特征缩放和如何选择学习率这两个技巧,今天小Mi在其基础上,继续带领大家学习多项式

【MindSpore:跟着小Mi一起机器学习吧!】逻辑回归(一)

小Mi学习,向上积极!在前面几周的学习中,小Mi终于带着大家完完整整学完了线性回归,同时小Mi也收到了大家的很多反馈,在后续的学习中,小Mi会一一改进的!今天我们就开启新的章节学习—logistic回归(LogisticRegression)算法吧(冲鸭)!1分类问题在logistic回归

正在加载更多文章…

加载更多

已加载文章中没有匹配内容,可继续加载更多。