算法推导与案例积累的方法
2017-11-24 18:18
155 查看
算法推导与案例积累的方法
一、现在说得很火的深度学习是什么?
深度学习是机器学习中神经网络算法的延伸,只不过应用得比较广。深度学习在计算机视觉和自然语言处理中更厉害一些。
那么这里就有一个问题了,到底是先学机器学习还是先学深度学习呢?
一切的基础都是机器学习。二、算法推导如何开始?
找本书?找博客?找视频?都是可以的。适合自己的才是好办法。三、机器学习怎么动手去做?
只有实际应用,才会有动力,觉得没有白学。到哪里找案例呢?Github,kaggle等分享点。案例的积累作用很大。我们干活做事主要是在模仿,模仿做出来的东西就是我们的。
很少从头开始去写一个项目,通常都是按照之前的某个套路。实际上大部分公司都是这么做。先学会模仿,再去创作,是一个比较好的选择。
千万不要认为模仿就是抄袭。
相关文章推荐
- 重构案例积累系列:get set方法重构
- 软件实现临界区互斥的方法总结思考(四种算法的递进推导)
- MVC 概念、九宫格算法及案例、创建弹框的方法
- 算法的时间复杂度推导方法
- 朴素贝叶斯分类算法原理与Python实现与使用方法案例
- LDA(Linear Discriminant Analysis)算法推导和计算方法
- 排列和组合算法的实现方法_C语言经典案例
- 如何计算算法的复杂度,如何计算推导O阶方法
- 研究google的PR值算法 提高网站排名的方法[转]
- Eclipse报错及对应处理方法积累
- 划分方法聚类(三) Canopy+K-MEANS 算法解析
- 一些进行算法能力提升的方法
- AIDL/IPC Android AIDL/IPC 进程通信机制——超具体解说及使用方法案例剖析(播放器)
- 三个案例带你看懂LayoutInflater中inflate方法两个参数和三个参数的区别
- 基于大数据技术推荐系统算法案例实战教程
- 黑马程序员-java-类,java内部类-java构造方法-案例
- 深度学习算法之CNN、RNN、LSTM公式推导
- 人脸识别经典算法二:LBP方法
- Adaboost 算法的原理与推导
- 常用算法设计方法