1nnoh.github.io's People
1nnoh.github.io's Issues
可解释机器学习-Task02 ZFNet 深度学习图像分类算法 | 1nnoh's Blog
0x00 Abstract 纽约大学 ZFNet,2013 年 ImageNet 图像分类竞赛冠军模型。对 AlexNet 进行改进的基础上,提出了一系列可视化卷积神经网络中间层特征的方法,并巧妙设置了对照消融实验,从各个角度分析卷积神经网络各层提取的特征及对变换的敏感性 论文:Visualizing and Understanding Convolutional Networks(可视化并理解
爬虫与网络编程基础_Task03_BS4基础使用 | 1nnoh's Blog
0x00 Abstract Beautiful Soup 是一个可以从 HTML 或 XML 文件中提取数据的 Python 库。它能够通过你喜欢的转换器实现惯用的文档导航,查找,修改文档的方式。Beautiful Soup 会帮你节省数小时甚至数天的工作时间。
2.2 逻辑回归-part2 | 1nnoh's Blog
2.2 逻辑回归-part20x04 评估指标以一个例子开始。假设我们有一个汉堡分类器,可以针对图片分类,分为是汉堡,或者不是汉堡。如果我们想知道,这个分类器的效果到底如何?该如何评价呢?
爬虫与网络编程基础_Task02_HTTP协议与Requests | 1nnoh's Blog
0x00 Abstract Requests 是一个 Python 公认的,优秀的第三方网络爬虫库,可以自动爬取 HTML 页面,自动进行网络请求的提交。所以本次任务首先来了解,学习 Requests 库以及 HTTP 协议。另外,由于Requests 库与 HTTP 协议的方法是一一对应的,所以会穿插着学习,以便更容易理解。
1.3 中文分词 | 1nnoh's Blog
1.3 中文分词 0x00 Abstract 中文分词的目的:对中文句子中的词与词之间加上边界标记,本质就是对中文句子做划分词的边界。 为什么要做中文分词? 因为英文单词之间是天然分开的,但中文没有 怎么做中文分词? 基于统计学习的方法 基于机器学习的方法等
2.1 传统机器学习 & 朴素贝叶斯 | 1nnoh's Blog
2.1 传统机器学习 & 朴素贝叶斯0x00 Abstract机器学习是深度学习的基础,这篇笔记是对机器学习这部分内容的一个开篇。了解什么是机器学习,然后学习一个经典的朴素贝叶斯模型,并运用到文本分类的实践。
可解释机器学习-Task01导论 | 1nnoh's Blog
0x00 Abstract从以下角度来认识可解释机器学习: 什么是可解释人工智能? 学可解释机器学习有什么用? 如何对传统机器学习、深度学习做可解释性分析?
爬虫与网络编程基础_Task01:计算机网络基础 | 1nnoh's Blog
0x00 Abstract 为了使网络上获得的数据干净整洁,并且可以为自己的应用所用,我们得想出一些形式来表示应用与网络之间来来往往的数据。最常使用的两种技术就是:XML 和 JSON。
爬虫实战:批量爬取三维模型数据集 | 1nnoh's Blog
0x00 Abstract 因为实验需要,从 零件库网页版 批量爬取数据集。由于是动态网页,难度比爬取 HTML 中的文字信息大了很多。经过查询资料,决定使用 Selenium 来做这部分的工作。但落地过程中其实涉及许多文档之外的实际问题,也是花了蛮多时间才基本实现爬取需求,稍微记录一下。仅面向实现需求记录,一些 Selenium 的基本操作不多解释,有需要的话可以在 官方文档 学习。整理的可用代
2.2 逻辑回归-part1 | 1nnoh's Blog
2.2 逻辑回归-part10x00 Abstract 回归:假设现在有一些数据点,我们用一条直线对这些点进行拟合(这条直线称为最佳拟合直线),这个拟合的过程就叫做回归。 线性回归:假设因变量和自变量之间是线性关系(拟合出一条直线)。 逻辑回归和线性回归都是广义的线性回归模型的特例。 线性回归只能用于回归问题,逻辑回归则用于分类问题(可由二分类推广至多分类)。 线性回归使用最小二乘法作为参数估计方
爬虫与网络编程基础 | 1nnoh's Blog
跟着 Coggle 三月份的学习活动 补充一下这方面的技能。恰好最近收集数据集也比较需要这方面的知识。 0x00 内容介绍 爬虫与网络编程基础这部分的入门学习的要解决的问题如下: 对网络编程了解较少,不会从 HTML 中提取信息; 不会爬虫,不会收集数据,也不会部署模型。 而上述问题都是一个合格算法工程师所必备的。因此借助这个活动来入门。
可解释机器学习-Task03-CAM类激活热力图 | 1nnoh's Blog
0x00 Abstract CAM 类激活热力图:深度学习可解释性分析、显著性分析的经典之作 论文:Learning Deep Features for Discriminative Localization, CVPR 2016,作者:周博磊 主要贡献:奠定了可解释性分析、显著性分析的基石,在此基础上衍生出了一系列的 CAM 方法。帮助我们打开了深度学习的黑箱子。 CAM 是一篇让人拍案叫
阿里灵杰_Task02_词向量介绍与训练 | 1nnoh's Blog
0x00 Abstract 任务内容: 使用任务 1 得到数据使用 gensim 训练词向量 计算与 格力 相似的 Top10 单词 使用词向量完成句子编码(例如单词编码为 128 维度,一个句子包含十个单词为 10128) 对句子编码 10128 进行求均值,转变为 128 维度 扩展:你能使用计算得到的词向量,计算 train.query.txt 和 corpus.tsv 文本的相似度
矢量语义与编码之 TF-IDF 检索 | 1nnoh's Blog
矢量语义与编码之词嵌入 0x00 Abstract 上篇笔记中,我们学习了关于文本表征基于词袋模型得到稀疏向量化文本的内容,比如 One-Hot 编码,比如 TF-IDF 编码。本质上来说,词袋模型其实是一种通过统计学方法,将文档中出现的所有词语根据词频等统计指标,转为稀疏向量,从而表达一篇文章的方法。但是,这种稀疏向量的表达会存在一些缺点,比如不考虑语序等等。那么有没有办法得到文本向量化的稠密表
Recommend Projects
-
React
A declarative, efficient, and flexible JavaScript library for building user interfaces.
-
Vue.js
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
-
Typescript
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
-
TensorFlow
An Open Source Machine Learning Framework for Everyone
-
Django
The Web framework for perfectionists with deadlines.
-
Laravel
A PHP framework for web artisans
-
D3
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
-
Recommend Topics
-
javascript
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
-
web
Some thing interesting about web. New door for the world.
-
server
A server is a program made to process requests and deliver data to clients.
-
Machine learning
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
-
Visualization
Some thing interesting about visualization, use data art
-
Game
Some thing interesting about game, make everyone happy.
Recommend Org
-
Facebook
We are working to build community through open source technology. NB: members must have two-factor auth.
-
Microsoft
Open source projects and samples from Microsoft.
-
Google
Google ❤️ Open Source for everyone.
-
Alibaba
Alibaba Open Source for everyone
-
D3
Data-Driven Documents codes.
-
Tencent
China tencent open source team.