Belkin等人的人工数据实验更简单，那就是：理解深度学习。6对标签噪声、容量、双下降和实验测试误差的直觉撇开统计数据不谈:下文推测了一些可能发生的情况，通过想象我们可以在原型网络中得到与P.

来源：西北大学玄奘研究院

%%¥#@&&%¥¥%&&**等等等等都这时候了，我看还是选择第一个吧..一点不妨碍做完毕设，只不过只能做些应用型的项目罢了若选择第一种，你就是面试官眼中高赞回答的样子以上回答二

NeuralProphet是受Prophet和AR-Net的启发，并建立在Pytorch上的强大继续模型。官网：https://neuralprophet.com/NeuralProphet功能与Prophet相比，NeuralProphet具备的功能有：通过使用PyTorch的深度学习完成优化使用AR-Net对时间序列的自相关建模使用前馈神经网络对滞后建模可自定义损失和指标同时也具备用户友好Python接口：from

FP-Growth算法机器学习附录高等数学回顾概率论回顾线性代数回顾机器学习项目流程Numpy使用总结特征工程机器学习库Scikit-learn课程大纲可能会有小范围调整。部分课件截图预备知识

我是黄海广，我上的一门课叫《机器学习》，本科生学机器学习有点难，但也不是没有可能，我在摸索中，设计适合本科生的机器学习课程，写了教材，录了视频，做了课件。我有科普文章写作经验，知道初学者需要什么，因此，上这门课还是相当得心应手。课程登陆了中国大学慕课，将在9月6日10点开课了。课程介绍

直博和读完硕士再读博，在能力上的差距有多大？高赞回答一

今天，我把吴恩达机器学习和深度学习课程笔记都更新了，并提供下载，这两本笔记非常适合机器学习和深度学习入门。（作者：黄海广）0.导语我和同学将吴恩达老师机器学习和深度学习课程笔记做成了打印版，放在github上，下载后可以打印。笔记基于课程视频和字幕制作。感谢吴恩达老师为广大爱好者提供如此实用的教程！2018-4-28

1.高等数学推荐下我考研和考博时候的数学笔记，我把机器学习的部分，提炼出来，几乎涵盖了所有机器学习所需要的高等数学公式：我做成了在线阅读版本。点击打开大学高等数学精华2.概率论首选推荐斯坦福大学

0.导语目前我在编写AI基础系列，目前已经发布：AI

Papers页面上，给出了模板格式，看看能不能在overleaf上找到，即使没有，一会提供下载，自己上传到overleaf。走过这一步，已经可以编译出模板PDF了，可以照猫画虎地写起来了。谷歌翻译

的最小值。梯度下降背后的思想是：开始时我们随机选择一个参数的组合，计算代价函数，然后我们寻找下一个能让代价函数值下降最多的参数组合。我们持续这么做直到找到一个局部最小值（local

https://mooc.study.163.com/university/deeplearning_ai[2]黄海广:

0.导语初学者学习机器学习和深度学习的时候，经常会找不到练习的数据，本文提供了获取数据的一些方法。目前我在编写AI基础系列，目前已经发布：AI

的数学基础（线性代数），有人把它做成了在线翻译版本！在线阅读！！机器学习数学精华：高等数学在线阅读！！机器学习数学精华：线性代数在线阅读！！机器学习数学精华：概率论与数理统计四、机器学习

https://mooc.study.163.com/university/deeplearning_ai[2]黄海广:

markdown编辑推荐使用Typora（本文提供下载），官方下载地址：https://www.typora.io/.功能非常强大，支持OS

移位只涉及沿X或Y方向（或两者）移动图像，如果图像的背景是单色被背景或者是纯的黑色背景，使用该方法可以很有效的增强数据数量，可以通过cv2.warpAffine实现该代码：mat_shift

深度信念网络（DBN）（深度学习前夜的里程碑）1.3

深度学习是机器学习的一个子集，自从AlexNet出现后，深度学习越来越热门。我最近在编写AI基础系列，第一部分已经完成并提供下载（下载说明）。现在开始更新深度学习部分。（黄海广）目前已经发布：AI

0.导语我最近在编写AI基础系列，受到广大读者的好评，目前已经发布：AI

IndRNN模型论文：最后，再来一个cell，如想要了解更多关于JANET单元的内容，可以参考以下论文：https://arxiv.org/abs/1804.04849八、AI合成部分No37-38

y)plt.plot([1,20],[y1,y2],'r--')plt.xlabel('x')plt.ylabel('y')plt.title('MAE')plt.show()注意上述代码中对

Forest、Adaboost、GBDT第三篇：Xgboost

模型这几个参数：model.cluster_centers_：簇中心。三个簇那么有三个坐标。model.labels_：聚类后的标签model.inertia_：所有点到对应的簇中心的距离平方和

0.导语学习AI建议掌握的数学资料：数学分析（微积分），线性代数，概率论，统计，应用统计，数值分析，常微分方程，偏微分方程，数值偏微分方程，运筹学，离散数学，随机过程，随机偏微分方程，抽象代数，实变函数，泛函分析，复变函数，数学建模，拓扑，微分几何，渐近分析......可以劝退了……其实，绝大部分AI爱好者，对数学的要求没有那么高，只需要学习高等数学、线性代数、概率论与数理统计三门课，如果时间还不够，那看下本文我整理的必须掌握的部分。看不懂公式的时候，可以查下本文，大部分能找到是什么意思。我最近在编写AI基础系列，数学是所有的基础。可以说，数学基础是机器学习从业人员的天花板。博士的代码能力，不一定比硕士强，但数学基础，往往要比硕士扎实很多。为什么机器学习从业人员学历越高，往往工资越高，通常和掌握的基础知识正相关。有时间，一定要认真打基础！！（黄海广）目前已经发布：AI

全球数据技术中心机器学习和数据分析实验室主任。主要研究方向是机器学习，数据分析和计算机视觉。他在国际重要期刊与会议发表数篇高影响因子论文；编写了大量的数理统计、概率和机器学习教材。徐老师的

Modeling。这样的模型很容易实现，因为我们拥有大量的文本数据且我们可以在不需要标签的情况下去学习。上图介绍了ELMo预训练的过程的步骤的一部分：我们需要完成一个这样的任务：输入“Lets

直接集成在软件中，调出方法如下：总结Python编程语言需要遵循PEP8规范，但是初学者往往记不住这个规范，代码写得比较丑。本文推荐几个神器来拯救奇丑无边的python代码。四、代码美化

出处：https://blog.csdn.net/longxinchen_ml/article/details/86533005审校：百度NLP、龙心尘翻译：张驰、毅航、Conrad原作者：Jay

0.导语词嵌入是自然语言处理（NLP）中语言模型与表征学习技术的统称。概念上而言，它是指把一个维数为所有词的数量的高维空间嵌入到一个维数低得多的连续向量空间中，每个单词或词组被映射为实数域上的向量。在此之前，我已经写了以下几篇AI基础的快速入门，本篇文章讲解词嵌入基础和Word2vec。目前已经发布：AI

0.导语特征工程到底是什么呢？顾名思义，其本质是一项工程活动，目的是最大限度地从原始数据中提取特征以供算法和模型使用。在此之前，我已经写了以下几篇AI基础的快速入门，本篇文章讲解特征工程基础第三部分：（文本特征处理）。目前已经发布：AI

假设问题是根据他或她的个人资料信息预测客户的偏好。在这种情况下，交互特征不是仅基于用户的年龄或位置进行预测，而交互特征允许模型基于具有特定年龄和特定位置的用户进行预测。在例2-17中，我们使用

0.导语特征工程到底是什么呢？顾名思义，其本质是一项工程活动，目的是最大限度地从原始数据中提取特征以供算法和模型使用。此之前，我已经写了以下几篇AI基础的快速入门，本篇文章讲解特征工程基础第一部分：（类别特征）。已发布：AI

0.导语Python是一种跨平台的计算机程序设计语言。是一种面向对象的动态类型语言，最初被设计用于编写自动化脚本(shell)，随着版本的不断更新和语言新功能的添加，越来越多被用于独立的、大型项目的开发。在此之前，我已经写了以下几篇AI基础的快速入门，本篇文章讲解python语言的基础部分，也是后续内容的基础。已发布：AI

0.导语Scipy是一个用于数学、科学、工程领域的常用软件包，可以处理插值、积分、优化、图像处理、常微分方程数值解的求解、信号处理等问题。它用于有效计算Numpy矩阵，使Numpy和Scipy协同工作，高效解决问题。Scipy是由针对特定任务的子模块组成：模块名应用领域scipy.cluster向量计算/Kmeansscipy.constants物理和数学常量scipy.fftpack傅立叶变换scipy.integrate积分程序scipy.interpolate插值scipy.io数据输入输出scipy.linalg线性代数程序scipy.ndimagen维图像包scipy.odr正交距离回归scipy.optimize优化scipy.signal信号处理scipy.sparse稀疏矩阵scipy.spatial空间数据结构和算法scipy.special一些特殊的数学函数scipy.stats统计在此之前，我已经写了以下几篇AI基础的快速入门，本篇文章讲解科学计算库Scipy快速入门：已发布：AI

的基础上，进行了更高级的封装，使得作图更加方便快捷。即便是没有什么基础的人，也能通过极简的代码，做出具有分析价值而又十分美观的图形。在此之前，我已经写了一篇

万字，建议收藏慢慢看利用碎片时间学习。怎么用：点击目录的蓝色标题可以打开那一周的课程笔记。笔记是根据视频和字幕写的，没有技术含量，只需要专注和严谨。本文的视频和

操作”如下:对比三者操作,输出结果相同print(df.loc['20180819','A':'B'])print(df.iloc[0,0:2])print(df.ix[0,'A':'B'])A

本文是吴恩达老师的深度学习课程[1]笔记部分。作者：黄海广[2]主要编写人员：黄海广、林兴木（第四所有底稿，第五课第一二周，第三周前三节）、祝彦森:（第三课所有底稿）、贺志尧（第五课第三周底稿）、王翔、胡瀚文、

本文是吴恩达老师的深度学习课程[1]笔记部分。作者：黄海广[2]主要编写人员：黄海广、林兴木（第四所有底稿，第五课第一二周，第三周前三节）、祝彦森:（第三课所有底稿）、贺志尧（第五课第三周底稿）、王翔、胡瀚文、

本文是吴恩达老师的深度学习课程[1]笔记部分。作者：黄海广[2]主要编写人员：黄海广、林兴木（第四所有底稿，第五课第一二周，第三周前三节）、祝彦森:（第三课所有底稿）、贺志尧（第五课第三周底稿）、王翔、胡瀚文、

Python）提供了许多高级的数值编程工具，如：矩阵数据类型、矢量处理，以及精密的运算库。专为进行严格的数字处理而产生。多为很多大型金融公司使用，以及核心的科学计算组织如：Lawrence

本文是吴恩达老师的深度学习课程[1]笔记部分。作者：黄海广[2]主要编写人员：黄海广、林兴木（第四所有底稿，第五课第一二周，第三周前三节）、祝彦森:（第三课所有底稿）、贺志尧（第五课第三周底稿）、王翔、胡瀚文、

本文是吴恩达老师的深度学习课程[1]笔记部分。作者：黄海广[2]主要编写人员：黄海广、林兴木（第四所有底稿，第五课第一二周，第三周前三节）、祝彦森:（第三课所有底稿）、贺志尧（第五课第三周底稿）、王翔、胡瀚文、

本文是吴恩达老师的深度学习课程[1]笔记部分。作者：黄海广[2]主要编写人员：黄海广、林兴木（第四所有底稿，第五课第一二周，第三周前三节）、祝彦森:（第三课所有底稿）、贺志尧（第五课第三周底稿）、王翔、胡瀚文、

本文是吴恩达老师的深度学习课程[1]笔记部分。作者：黄海广[2]主要编写人员：黄海广、林兴木（第四所有底稿，第五课第一二周，第三周前三节）、祝彦森:（第三课所有底稿）、贺志尧（第五课第三周底稿）、王翔、胡瀚文、

本文是吴恩达老师的深度学习课程[1]笔记部分。作者：黄海广[2]主要编写人员：黄海广、林兴木（第四所有底稿，第五课第一二周，第三周前三节）、祝彦森:（第三课所有底稿）、贺志尧（第五课第三周底稿）、王翔、胡瀚文、

本文是吴恩达老师的深度学习课程[1]笔记部分。作者：黄海广[2]主要编写人员：黄海广、林兴木（第四所有底稿，第五课第一二周，第三周前三节）、祝彦森:（第三课所有底稿）、贺志尧（第五课第三周底稿）、王翔、胡瀚文、

本文是吴恩达老师的深度学习课程[1]笔记部分。作者：黄海广[2]主要编写人员：黄海广、林兴木（第四所有底稿，第五课第一二周，第三周前三节）、祝彦森:（第三课所有底稿）、贺志尧（第五课第三周底稿）、王翔、胡瀚文、