七月学习总结

问题来源与七月学习之 (3.x线性代数与矩阵运算基础)

这一周主要把新宿舍安排好了,因为刚放假所以比较想玩. 但还是做好了学习的准备. 安装好了Java的环境,开始学习了基础语法,遇到并解决若干低级错误. 学习语言大概用了3个小时,解决各种问题用了两倍的时间. 解决了解压scrath时出现的问题,学习并制作了简单的游戏与动画. 已经将<大道至简>通读一遍,但还没有想好怎样写读后感. 这周比较懒散,连健身都没有坚持,不过还好游戏已经玩吐了,只要调整一下随时可以投入精力学习. 准备开始制定暑假的作息计划. 大的方面,计划在七月学习Java并完成开学的测

七月算法--12月机器学习在线班-第十九次课笔记-深度学习--CNN 七月算法(julyedu.com)12月机器学习在线班学习笔记http://www.julyedu.com 1,卷积神经网络-CNN 基础知识 三个要点 1: 首先将输入数据看成三维的张量(Tensor) 2: 引入Convolution(卷积)操作,单元变成卷积核,部分连接共享权重 3:引入Pooling(采样)操作,降低输入张量的平面尺寸 ,1.1 张量(Tensor) 高,宽度,深度,eg:彩色图像:rgb,3个深度,图

七月算法12月机器学习在线班---第二十次课笔记---深度学习--RNN 七月算法(julyedu.com)12月机器学习在线班学习笔记http://www.julyedu.com 循环神经网络 复习之前的知识点: 全连接前向网络: 学习出来的是函数 卷积网络:卷积操作,部分链接,共享操作,逐层提取原始图像的特征(语音,NLP) 学习出来的特征 局部相关性 浅层宽网络很难做成神经网络 ? 1.1状态和模型 1, ID数据 ·分类问题 ·回归问题 ·特征表达 2, 大部分数据都不满足ID ·大部分

转眼七月就到头了,时间飞逝啊! 按规矩,先说一下这个月的收获: 阅读:这个月一直在读,感觉变化最大的就是我原来可以读的这么快,从一开始的只有读过一次的文章才可以读的比较流利,到后来没读过的也可以很快速的读完,最明显的一个变化可能就是以前要读到九点,现在大概每天八点四十多久可以完成(文章篇幅都差不多),当然,当量积累到一定程度,就开始想着如何发生质变了,一开始只是读,到后来顺便考虑一下如何断句,感觉断在哪里比较合适(觉得这里还是有问题的,因为如何断句完全凭的是感觉),已经语调的升降,总是感觉在阅读

概率统计 概率统计与机器学习的关系 统计量 期望 方差与协方差 重要定理和不等式 Jensen不等式 切比雪夫不等式 大数定理 中心极限定理 以下内容摘抄于七月算法(julyedu.com)4 月机器学习算法班课堂讲义 概率统计 概率统计与机器学习的关系 统计量 期望 概念 性质 方差与协方差 方差 协方差 协方差与独立/不相关 协方差的意义 重要定理和不等式 Jensen不等式 从概率的角度看Jensen不等式 切比雪夫不等式 大数定理 中心极限定理 线性回归中,使用了中心极限定理论证最小二乘

在这一周的学习中,一共做了七小时的代码,学习了switch 只能支持 byte.short.char.int 这几个基本数据类型和其对应的封装类型.switch后面的括号里面只能放int类型的值,但由于byte,short,char类型,它们会 自动 转换为int类型(精精度小的向大的转化),所以它们也支持.更深刻理解使用switch语句,Object使用的公用方法:clone   getclass等等方法.Java的四种引用,强弱软虚,用到的场景.按照引用强度依次从强到弱分为:强引用.软引用(

声明:转来的,原文出处:http://blog.csdn.net/achaoluo007/article/details/43564321 编者按:本文收集了百来篇关于机器学习和深度学习的资料,含各种文档,视频,源码等.而且原文也会不定期的更新,望看到文章的朋友能够学到更多. <Brief History of Machine Learning> 介绍:这是一篇介绍机器学习历史的文章,介绍很全面,从感知机.神经网络.决策树.SVM.Adaboost 到随机森林.Deep Learning. &

七月算法--12月机器学习在线班-第三次课笔记—矩阵和线性代数 七月算法(julyedu.com)12月机器学习在线班学习笔记 http://www.julyedu.com