Author: mikado2
[번역] 머신러닝 속 수학
https://mingrammer.com/translation-the-mathematics-of-machine-learning (머신러닝 이론은 반복적으로 데이터를 학습하고 지능형 애플리케이션을 구축하는 데 사용될 수있는 숨겨진 인사이트를 발견하기 위한 통계학, 확률론, 컴퓨터 과학 및 알고리즘이 교차하는 분야) [more…]
학습과정과 데이터셋 이야기
학습과정과 데이터셋 이야기 https://tykimos.github.io/Keras/2017/03/25/Dataset_and_Fit_Talk/
Deeplunch팀의 Kaggle Data Science Bowl 도전기(1) – 케글 도전 팁
Deeplunch팀의 Kaggle Data Science Bowl 도전기(1) – 케글 도전 팁 http://esuerid.blogspot.kr/2017/04/deeplunch-kaggle-data-science-bowl-1.html?m=1
머신러닝 모델 개발 삽질 경험기
http://bcho.tistory.com/m/1174 머신러닝 모델 개발 삽질 경험기
https://fuzer.github.io/Compressing-and-regularizing-deep-neural-networks
https://fuzer.github.io/Compressing-and-regularizing-deep-neural-networks/ 번역자료 (Song Han 이 2016년 11월 10일에 쓴 Compressing and regularizing deep neural networks를 번역한 포스팅 링크)
인공지능을 위한 머신러닝 알고리즘
https://tacademy.sktechx.com/live/player/onlineLectureDetail.action?seq=103 인공지능을 위한 머신러닝 알고리즘 인공지능에 관심이 있는 사람들에게 머신러닝 알고리즘의 개념과 원리를 설명합니다. 특히 머신러닝과 딥러닝 분야의 개발자에게 쉽게 설명된 핵심 이론과 함께 적용사례별 간단한 알고리즘 등을 보여주고 구현방법을 소개합니다. 강의에서는 지도학습과 비지도학습의 머신러닝 알고리즘을 다루며, 지도학습 알고리즘으로는 linear/logistic regression, 서포트 벡터 머신, 의사결정 트리, 신경망, CNN, RNN을, 비지도학습 알고리즘으로는 K-MEANS, DBSCAN 등을 살펴봅니다. 인공지능배포용
20170413-AI-TIMES-AI-인공지능, 인문학적 접근 I-VL1.0.3-SSM
20170413 [AI TIMES] ‘AI’-I-VL1.03-SSM – PRES mp3 2. NVIDIA CPU vs GPU 3. Neural Network 3D Simulation – MLP 4. Neural Network 3D [more…]
Stanford CS224n: Natural Language Processing with Deep Learning
Stanford CS224n: Natural Language Processing with Deep Learning (Winter 2017) Course Materials: http://web.stanford.edu/class/cs224n/syllabus.html Lecture Videos: