1. 《代码大全》笔记 - 基本数据类型和不常见的数据类型

    本文主要是对《代码大全第二版》中第 12 章和第 13 章的阅读总结,另外加一些从自己日常应用角度的理解。

    2019/07/16 Other

  2. [译] 时间序列分析、可视化、和使用 LSTM 预测

    原文地址:Time Series Analysis, Visualization & Forecasting with LSTM 原文作者:Susan Li 译文出自:掘金翻译计划 本文永久链接:https://github.com/xitu/gold-miner/blob/master/TODO1/time-series-analysis-visualization-forecasting-with-lstm.md 译者:Minghao23 校对者:Xuyuey,TrWestdoor

    2019/05/28 Translation

  3. [译] 用 Word2vec 表示音乐?

    原文地址:Representing music with Word2vec? 原文作者:Dorien Herremans 译文出自:掘金翻译计划 本文永久链接:https://github.com/xitu/gold-miner/blob/master/TODO1/representing-music-with-word2vec.md 译者:Minghao23 校对者:lsvih

    2019/05/16 Translation

  4. [译] Keras 速查表:使用 Python 构建神经网络

    原文地址:Keras Cheat Sheet: Neural Networks in Python 原文作者:Karlijn Willems 译文出自:掘金翻译计划 本文永久链接:https://github.com/xitu/gold-miner/blob/master/TODO1/keras-cheat-sheet.md 译者:Minghao23 校对者:Xuyuey, lsvih

    2019/05/09 Translation

  5. [译] 机器学习可以建模简单的数学函数吗?

    原文地址:Can Machine Learning model simple Math functions? 原文作者:Harsh Sahu 译文出自:掘金翻译计划 本文永久链接:https://github.com/xitu/gold-miner/blob/master/TODO1/can-machine-learning-model-simple-math-functions.md 译者:Minghao23 校对者:lsvih,zoomdong

    2019/05/04 Translation

  6. 古巴 - 全球最大的社会主义戒网中心

    本文收录于 旅行游记计划

    2019/04/30 Travel

  7. 谱聚类(Spectral Clustering)学习

    谱聚类是一种基于图论的聚类方法,其优点在于对数据集的要求较小,具体说它更适用于找到那些中心点无法描述所在整体的非凸簇,结果常常优于一般的聚类方法。简单来说,谱聚类可以分为构图和切图两个步骤。构图过程根据数据间的相似性将所有数据点构造成图 ,切图过程将图按照一定准则切成若干个子图,每个子图就是聚好的一个cluster。下面介绍详细过程,会涉及到一些线性代数的知识,注意本文所讨论的矩阵都默认是实矩阵。

    2019/04/19 Machine Learning

  8. 旅行游记计划开启!!

    题记

    2019/04/13 Travel

  9. 数据降维和可视化:t分布随机近邻嵌入(t-SNE)学习

    t-SNE(t-distributed Stochastic Neighbor Embedding)被称为是最好的降维方法,而在实际应用中,它更常见的用处是高维数据的可视化。在选择模型之前对数据有一个直观的先验了解是十分有必要的。

    2019/02/27 Machine Learning

  10. 变分自编码器(VAE)学习

    一直希望有时间总结一下VAE这个模型,细节还是挺多的,总是忘,记录一遍可以加深记忆,岁数大了就要想各种各样的办法帮助自己提高记忆力啊。不求特别严谨,但求合理易懂。

    2019/02/23 Machine Learning