在这篇博文中，我们将简要介绍以下主题，为您提供机器学习的基本介绍：什么是机器学习训练机器学习模型优化参数神经网络如果您不是专家，请不要担心—这篇博文所需的唯一知识是基础高中数学。什么是机器学习？牛津词典将机器学习定义为：“计算机从经验中学习的能力”。机器学

数字化时代和性能随着数字化时代的到来，我们的生活开始逐渐被各种应用所包围。对于各种应用，我们也从最初的能用就行，到现在有了各种各样的体验追求。而一个应用体验好不好，性能就是其中最关键的指标。那什么是应用性能呢？由谁来负责应用的性能指标呢？其实性能涉及方方面面，从产品设计到需求开发，从测试上线到发布后运维，每一个环节都和性能相关，也就是意味着每一个技术从业者在

（1）代码题（leetcode类型），主要考察数据结构和基础算法，以及代码基本功虽然这部分跟机器学习，深度学习关系不大，但也是面试的重中之重。基本每家公司的面试都问了大量的算法题和代码题，即使是商汤、face这样的深度学习公司，考察这部分的时间也占到了我很多轮面试的60%甚至70%以上。我去face面试的时候，面试官是residualnet，s

深度学习Deeplearning4jeclipse开发环境搭建eclipse设置deeplearning4j开发环境：手动添加jar包https://deeplearning4j.org/cn/eclipse(https://www.oschina.net/action/Go

作为量子力学的基础方程之一，薛定谔方程一直广受关注。去年，DeepMind科学家开发一种新的神经网络来近似计算薛定谔方程(https://www.oschina.net/action/GoToLink?urlhttps%3A%2F%2Flink.zhihu.com%2F%3Ftarget%3Dhttp%253A%2F%2Fmp.weixin.q

本文是参考吴恩达老师的深度学习视频而做的笔记深度学习引言挑战：AI真正的挑战在于解决那些对人类来说很容易执行，但很难形式化描述的问题，比如识别人们所说的话/图像中的脸/分辨苹果和梨。<br解决方案：让计算机从经验中学习，并根据层次化的概念体系理解世界，而每个概念是通过与某些相对简单的概念之间的关系来定义

TVM是一个开源深度学习编译器，可适用于各类CPUs,GPUs及其他专用加速器。它的目标是使得我们能够在任何硬件上优化和运行自己的模型。不同于深度学习框架关注模型生产力，TVM更关注模型在硬件上的性能和效率。本文只简单介绍TVM的编译流程，及如何自动调优自己的模型。更深入了解，可见TVM官方内容：文档:https://tvm.apach

本章涵盖了以下主题：分类和回归之外的其他类型的问题；评估问题，理解过拟合、欠拟合，以及解决这些问题的技巧；为深度学习准备数据。请记住，在本章中讨论的大多数技术都是机器学习和深度学习通用的，一部分用于解决过拟合问题的技术（如dropout）除外。4.1　三类机器学习问题在之前的所有例子中，尝试解决的是分类（预测猫或狗）或回归（预测用户在平台上花费的平均时

机器学习基础本章涵盖了以下主题：分类和回归之外的其他类型的问题；评估问题，理解过拟合、欠拟合，以及解决这些问题的技巧；为深度学习准备数据。请记住，在本章中讨论的大多数技术都是机器学习和深度学习通用的，一部分用于解决过拟合问题的技术（如dropout）除外。4.1　三类机器学习问题在之前的所有例子中，尝试解决的是分类（预测猫或狗）或回归（预测用户在平台上