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~
※Yann Lecun CoLR演講全解讀:機器該如何像動物和人類一樣有效學習?
※從傳統神經網路的角度解讀Geoffrey Hinton的Capsule模型
※數據科學工作者 的日常工作內容包括什麼?
※用面向對象的神經規划進行文本理解
※以不同的思考側重介紹卷積神經網路
TAG:AI研習社 |