從傳統演算法走向神經網路

分享背景

如今是人工智慧「大行其道」之時，而深度學習正是其中最有力的工具之一。但是為什麼許多傳統演算法的表現不佳，以及深度學習這個「黑箱」中到底發生了什麼，我們可能就不得而知了。為此，本次分享會通過將深度學習的根基——神經網路與傳統機器學習演算法（樸素貝葉斯、決策樹）進行比較，從而直觀地說明為何它如此有效。

分享主題

從傳統演算法走向神經網路

分享提綱

1.機器學習與神經網路的基本概念；

2.樸素貝葉斯與神經網路；

3.決策樹與神經網路；

4.實現、改進與創新。

分享人簡介

何宇健，《Python與機器學習實戰》作者，來自北京大學數學系，有多年Python開發經驗，在GitHub上擁有並維護著一個純Python編寫的機器學習演算法庫（180個stars，100個forks）。曾在創新工場AI工程院負責研發適用於結構化數據的新型神經網路。

分享時間

北京時間11月20日（周一）20:00

參與方式

掃描海報二維碼添加社長微信，備註「何宇健」

不要等到演算法出現accuracy不好、

loss很高、模型overfitting時，

才後悔沒有好好掌握基礎數學理論。

走穩機器學習第一步，夯實數學基礎！

「線性代數及矩陣論、概率論與統計、凸優化」

3大數學基礎課程，火熱團購中！

掃碼參團

如果你覺得活動不錯，歡迎點贊並轉發本文~

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！

本站內容充實豐富，博大精深，小編精選每日熱門資訊，隨時更新，點擊「搶先收到最新資訊」瀏覽吧！

請您繼續閱讀更多來自 AI研習社 的精彩文章: