DeepLearning-4.数值计算

机器学习算法需要大量数值计算,通常是指通过迭代过程更新解得估计值来解决数学问题的算法,而不是通过解析过程推导出公式来提供正确解的方法。常见的操作包括优化线性方程组的求解。

阅读全文

DeepLearning-3.概率与信息论

概率论用于表示不确定性声明的数学框架。人工智能领域,主要用于推理和统计分析AI系统行为。
概率论与统计学的区别,概率论和统计学解决的问题是可逆的。概率是已知模型和参数,推数据。统计是已知数据,推模型和参数。

阅读全文

DeepLearning-2.线性代数

线性代数,主要面向连续数学,而非离散数学。

阅读全文

DeepLearning-0.数学符号

《深度学习》本书所使用数学符号。

阅读全文

AI行业应用-生物医疗

腾讯

  1. 2019年10月,国际顶级医疗AI大会,腾讯8篇论文入选。https://mp.weixin.qq.com/s/Ue0D1E8DXrSSs9zTQ8BW-Q

阅读全文

AI基础方法

AI基础方法调研。转自刘**整理资料。

阅读全文

AI学习基础结构

AI的学习基础资料相关,方便后续学习查阅。转自刘**整理资料。

阅读全文

人工智能是什么

### 前言   想要对人工智能(Artificial Intelligence,AI)进行系统的学习、研究、归纳以及总结,形成一套完整的理论体系,于是搜索了相关资料、文献等,综述人工智能是什么,总结了人工智能的相关知识体系,并按照该知识体系进行系统学习研究。   人工智能是一个比较系统,并且是一个综合性的研究领域。从字面意思上讲,它是使机器或计算机程序赋予人类理解能力的科学和工程的产物。题外话,之前思考过一个问题,人工智能一定是最有效的,最完美的让机器拥有智能的方式吗。生物都有其独特的生存方式,有些也具备特有的智能,如果出现动物智能会是什么样子。后来在相关文献搜索过程中,发现已经有类似的定义及解释。Artificial intelligence (AI) is intelligence demonstrated by machines, as opposed to natural intelligence displayed by animals including humans.[[1][1]]即人的智能属于动物智能,在本质上纸一样的。   整个学习过程,会结合网上资料、书籍以及论文等进行学习,主要分四个过程:掌握人工智能相关基础知识点;对相关的算法进行推导;结合相关框架进行练习以及对高质量论文进行研读。

阅读全文

数学基础

常用数学符号

阅读全文

Algorithm-二叉树锯齿遍历

LeetCode: [103] 二叉树的锯齿形层序遍历

阅读全文