会员服务

已删除

2018 年 4 月 10 日 将门创投 让创新获得认可
已删除
登录查看更多
3

相关内容

【实用书】Python机器学习Scikit-Learn应用指南，247页pdf
【实用书】Python机器学习Scikit-Learn应用指南，247页pdf
专知会员服务
272+阅读 · 2020年6月10日
《Python机器学习项目实战》，135页pdf带你小白入门机器学习
《Python机器学习项目实战》，135页pdf带你小白入门机器学习
专知会员服务
175+阅读 · 2020年6月6日
【哈佛大学】机器学习的黑盒解释性，52页ppt
【哈佛大学】机器学习的黑盒解释性，52页ppt
专知会员服务
172+阅读 · 2020年5月27日
【2020最新干货综述】 基于知识图谱嵌入的链接预测综述， 43页pdf
【2020最新干货综述】 基于知识图谱嵌入的链接预测综述， 43页pdf
专知会员服务
167+阅读 · 2020年5月24日
干净的数据：数据清洗入门与实践，204页pdf
干净的数据：数据清洗入门与实践，204页pdf
专知会员服务
164+阅读 · 2020年5月14日
【干货书】机器学习，408页pdf，开发人员和技术专业人员的动手实践手册
【干货书】机器学习，408页pdf，开发人员和技术专业人员的动手实践手册
专知会员服务
223+阅读 · 2020年5月7日
工程领域大数据和人工智能原则
专知会员服务
129+阅读 · 2020年3月26日
【CHI2020-微软】解释可解释性:理解数据科学家使用机器学习的可解释性工具
【CHI2020-微软】解释可解释性:理解数据科学家使用机器学习的可解释性工具
专知会员服务
103+阅读 · 2020年3月8日
《可解释的机器学习-interpretable-ml》238页pdf
《可解释的机器学习-interpretable-ml》238页pdf
专知会员服务
211+阅读 · 2020年2月24日
【经典书】精通机器学习特征工程，中文版，178页pdf
【经典书】精通机器学习特征工程，中文版，178页pdf
专知会员服务
361+阅读 · 2020年2月15日
干货 | 可解释的机器学习
干货 | 可解释的机器学习
AI科技评论
20+阅读 · 2019年7月3日
教程▍Python机器学习实践：随机森林算法训练及调参 （附代码）
教程▍Python机器学习实践：随机森林算法训练及调参 （附代码）
36大数据
8+阅读 · 2019年2月27日
可解释的机器学习
可解释的机器学习
平均机器
25+阅读 · 2019年2月25日
【机器学习】如何通过机器学习预测维护设备？
【机器学习】如何通过机器学习预测维护设备？
产业智能官
16+阅读 · 2018年7月9日
【学界】机器学习模型的“可解释性”到底有多重要？
【学界】机器学习模型的“可解释性”到底有多重要？
GAN生成式对抗网络
12+阅读 · 2018年3月3日
推荐｜机器学习中的模型评价、模型选择和算法选择！
推荐｜机器学习中的模型评价、模型选择和算法选择！
全球人工智能
10+阅读 · 2018年2月5日
Python & 机器学习之项目实践 | 赠书
Python & 机器学习之项目实践 | 赠书
人工智能头条
15+阅读 · 2017年12月26日
教程 | 理解XGBoost机器学习模型的决策过程
教程 | 理解XGBoost机器学习模型的决策过程
机器之心
6+阅读 · 2017年12月20日
观点 | 三大特征选择策略，有效提升你的机器学习水准
观点 | 三大特征选择策略，有效提升你的机器学习水准
机器之心
7+阅读 · 2017年10月23日
已删除
已删除
将门创投
9+阅读 · 2017年7月28日
Autonomous Driving with Deep Learning: A Survey of State-of-Art Technologies
Autonomous Driving with Deep Learning: A Survey of State-of-Art Technologies
Arxiv
12+阅读 · 2020年6月10日
A Survey on Distributed Machine Learning
Arxiv
45+阅读 · 2019年12月20日
Multi-Label Classification with Label Graph Superimposing
Arxiv
9+阅读 · 2019年11月21日
Meta-Learning with Implicit Gradients
Meta-Learning with Implicit Gradients
Arxiv
13+阅读 · 2019年9月10日
Generative Adversarial Networks and Conditional Random Fields for Hyperspectral Image Classification
Arxiv
3+阅读 · 2019年5月12日
AuxNet: Auxiliary tasks enhanced Semantic Segmentation for Automated Driving
AuxNet: Auxiliary tasks enhanced Semantic Segmentation for Automated Driving
Arxiv
4+阅读 · 2019年1月17日
LNEMLC: Label Network Embeddings for Multi-Label Classification
Arxiv
4+阅读 · 2019年1月1日
A General and Adaptive Robust Loss Function
A General and Adaptive Robust Loss Function
Arxiv
8+阅读 · 2018年11月5日
A Study of Recent Contributions on Information Extraction
Arxiv
6+阅读 · 2018年3月15日
Geometry in Active Learning for Binary and Multi-class Image Segmentation
Arxiv
9+阅读 · 2018年1月16日
VIP会员
相关主题
最新内容
美国战争部在GenAI.mil上推出OpenAI的ChatGPT Mil
美国战争部在GenAI.mil上推出OpenAI的ChatGPT Mil
专知会员服务
7+阅读 · 8月31日
人工智能赋能军事维护：重新定义国防战备
人工智能赋能军事维护：重新定义国防战备
专知会员服务
3+阅读 · 8月31日
综述 | 低资源语言中的大模型安全对齐：方法、风险与评测体系
综述 | 低资源语言中的大模型安全对齐：方法、风险与评测体系
专知会员服务
2+阅读 · 8月31日
博士论文 | 因果NLP基础：面向语言数据与语言模型的因果推断框架
博士论文 | 因果NLP基础：面向语言数据与语言模型的因果推断框架
专知会员服务
4+阅读 · 8月31日
《美陆军野战手册（2026年）：特种部队》
《美陆军野战手册（2026年）：特种部队》
专知会员服务
4+阅读 · 8月31日
《创业战争：风险投资、硅谷、五角大楼与未来之战》200页
《创业战争：风险投资、硅谷、五角大楼与未来之战》200页
专知会员服务
5+阅读 · 8月31日
综述 | 扩散与流模型中的表示学习：从生成到感知再到统一应用
综述 | 扩散与流模型中的表示学习：从生成到感知再到统一应用
专知会员服务
4+阅读 · 8月30日
博士论文 | AI for Science：从科学神经建模到语言模型智能体
博士论文 | AI for Science：从科学神经建模到语言模型智能体
专知会员服务
8+阅读 · 8月30日
受限仓库多智能体取送中的动态安全等待点选择
受限仓库多智能体取送中的动态安全等待点选择
专知会员服务
5+阅读 · 8月29日
综述 | 大模型幻觉生命周期：成因、检测、缓解与预防
综述 | 大模型幻觉生命周期：成因、检测、缓解与预防
专知会员服务
8+阅读 · 8月29日
综述 | 面向时间序列的大模型智能体：任务体系、设计模式与未来方向
综述 | 面向时间序列的大模型智能体：任务体系、设计模式与未来方向
专知会员服务
5+阅读 · 8月28日
论文 | Gemini 走进真实科研：从假设生成到实验验证的 Co-Scientist 系统
论文 | Gemini 走进真实科研：从假设生成到实验验证的 Co-Scientist 系统
专知会员服务
6+阅读 · 8月28日
《国防技术管理》印度智库报告最新45页
《国防技术管理》印度智库报告最新45页
专知会员服务
5+阅读 · 8月28日
《美陆军最新条令：保障行动》
《美陆军最新条令：保障行动》
专知会员服务
5+阅读 · 8月28日
算法战场：人工智能如何重新定义军事力量
算法战场：人工智能如何重新定义军事力量
专知会员服务
8+阅读 · 8月28日
相关VIP内容
【实用书】Python机器学习Scikit-Learn应用指南，247页pdf
【实用书】Python机器学习Scikit-Learn应用指南，247页pdf
专知会员服务
272+阅读 · 2020年6月10日
《Python机器学习项目实战》，135页pdf带你小白入门机器学习
《Python机器学习项目实战》，135页pdf带你小白入门机器学习
专知会员服务
175+阅读 · 2020年6月6日
【哈佛大学】机器学习的黑盒解释性，52页ppt
【哈佛大学】机器学习的黑盒解释性，52页ppt
专知会员服务
172+阅读 · 2020年5月27日
【2020最新干货综述】 基于知识图谱嵌入的链接预测综述， 43页pdf
【2020最新干货综述】 基于知识图谱嵌入的链接预测综述， 43页pdf
专知会员服务
167+阅读 · 2020年5月24日
干净的数据：数据清洗入门与实践，204页pdf
干净的数据：数据清洗入门与实践，204页pdf
专知会员服务
164+阅读 · 2020年5月14日
【干货书】机器学习，408页pdf，开发人员和技术专业人员的动手实践手册
【干货书】机器学习，408页pdf，开发人员和技术专业人员的动手实践手册
专知会员服务
223+阅读 · 2020年5月7日
工程领域大数据和人工智能原则
专知会员服务
129+阅读 · 2020年3月26日
【CHI2020-微软】解释可解释性:理解数据科学家使用机器学习的可解释性工具
【CHI2020-微软】解释可解释性:理解数据科学家使用机器学习的可解释性工具
专知会员服务
103+阅读 · 2020年3月8日
《可解释的机器学习-interpretable-ml》238页pdf
《可解释的机器学习-interpretable-ml》238页pdf
专知会员服务
211+阅读 · 2020年2月24日
【经典书】精通机器学习特征工程，中文版，178页pdf
【经典书】精通机器学习特征工程，中文版，178页pdf
专知会员服务
361+阅读 · 2020年2月15日
热门VIP内容
相关资讯
干货 | 可解释的机器学习
干货 | 可解释的机器学习
AI科技评论
20+阅读 · 2019年7月3日
教程▍Python机器学习实践：随机森林算法训练及调参 （附代码）
教程▍Python机器学习实践：随机森林算法训练及调参 （附代码）
36大数据
8+阅读 · 2019年2月27日
可解释的机器学习
可解释的机器学习
平均机器
25+阅读 · 2019年2月25日
【机器学习】如何通过机器学习预测维护设备？
【机器学习】如何通过机器学习预测维护设备？
产业智能官
16+阅读 · 2018年7月9日
【学界】机器学习模型的“可解释性”到底有多重要？
【学界】机器学习模型的“可解释性”到底有多重要？
GAN生成式对抗网络
12+阅读 · 2018年3月3日
推荐｜机器学习中的模型评价、模型选择和算法选择！
推荐｜机器学习中的模型评价、模型选择和算法选择！
全球人工智能
10+阅读 · 2018年2月5日
Python & 机器学习之项目实践 | 赠书
Python & 机器学习之项目实践 | 赠书
人工智能头条
15+阅读 · 2017年12月26日
教程 | 理解XGBoost机器学习模型的决策过程
教程 | 理解XGBoost机器学习模型的决策过程
机器之心
6+阅读 · 2017年12月20日
观点 | 三大特征选择策略，有效提升你的机器学习水准
观点 | 三大特征选择策略，有效提升你的机器学习水准
机器之心
7+阅读 · 2017年10月23日
已删除
已删除
将门创投
9+阅读 · 2017年7月28日
相关论文
Autonomous Driving with Deep Learning: A Survey of State-of-Art Technologies
Autonomous Driving with Deep Learning: A Survey of State-of-Art Technologies
Arxiv
12+阅读 · 2020年6月10日
A Survey on Distributed Machine Learning
Arxiv
45+阅读 · 2019年12月20日
Multi-Label Classification with Label Graph Superimposing
Arxiv
9+阅读 · 2019年11月21日
Meta-Learning with Implicit Gradients
Meta-Learning with Implicit Gradients
Arxiv
13+阅读 · 2019年9月10日
Generative Adversarial Networks and Conditional Random Fields for Hyperspectral Image Classification
Arxiv
3+阅读 · 2019年5月12日
AuxNet: Auxiliary tasks enhanced Semantic Segmentation for Automated Driving
AuxNet: Auxiliary tasks enhanced Semantic Segmentation for Automated Driving
Arxiv
4+阅读 · 2019年1月17日
LNEMLC: Label Network Embeddings for Multi-Label Classification
Arxiv
4+阅读 · 2019年1月1日
A General and Adaptive Robust Loss Function
A General and Adaptive Robust Loss Function
Arxiv
8+阅读 · 2018年11月5日
A Study of Recent Contributions on Information Extraction
Arxiv
6+阅读 · 2018年3月15日
Geometry in Active Learning for Binary and Multi-class Image Segmentation
Arxiv
9+阅读 · 2018年1月16日
大家都在搜
  1. maven
  2. palantir
  3. 语言模型
  4. 美伊
  5. 雷鸟科技
  6. 对抗特征转移
  7. 助贷模式
  8. 文本挖掘从小白到精通
  9. 6 个打造你自己的 VPN 的开源工具
  10. rNPV (风险调整现金流折现法)
    11.
Top
微信扫码咨询专知VIP会员
Top