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
270+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
174+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
221+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
127+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
210+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
360+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
BES：让语言模型通过双向进化搜索自我改进
BES：让语言模型通过双向进化搜索自我改进
专知会员服务
0+阅读 · 47分钟前
ICML 2026 | 揭开视觉语言模型计数瓶颈：看得到，却说不出
ICML 2026 | 揭开视觉语言模型计数瓶颈：看得到，却说不出
专知会员服务
0+阅读 · 48分钟前
以色列-美国-伊朗战争中的无人机：关键要点
以色列-美国-伊朗战争中的无人机：关键要点
专知会员服务
3+阅读 · 今天14:04
美以伊战争：首次人工智能战争——军事自主性困境
美以伊战争：首次人工智能战争——军事自主性困境
专知会员服务
3+阅读 · 今天13:54
《Palantir任务保障性软件安全标准（MA-S2）》
《Palantir任务保障性软件安全标准（MA-S2）》
专知会员服务
6+阅读 · 今天13:49
《美海军利用扩展现实增强知识流动研究》300页报告
《美海军利用扩展现实增强知识流动研究》300页报告
专知会员服务
4+阅读 · 今天13:38
基于声学的无人机检测技术综述
基于声学的无人机检测技术综述
专知会员服务
5+阅读 · 今天13:37
《当代混合战争分析框架：俄乌战争经验教训》
《当代混合战争分析框架：俄乌战争经验教训》
专知会员服务
5+阅读 · 今天13:11
生成式AI基础小册子绪论解读：一条数学地基路线，178页pdf
生成式AI基础小册子绪论解读：一条数学地基路线，178页pdf
专知会员服务
10+阅读 · 5月29日
AutoScientists：自组织智能体团队驱动长期科学实验
AutoScientists：自组织智能体团队驱动长期科学实验
专知会员服务
5+阅读 · 5月29日
《阿利·伯克级驱逐舰的战损修理：桌面推演结果》报告
《阿利·伯克级驱逐舰的战损修理：桌面推演结果》报告
专知会员服务
5+阅读 · 5月29日
战略前沿人工智能的再思考（中文）
战略前沿人工智能的再思考（中文）
专知会员服务
7+阅读 · 5月29日
《量化地基防空系统间接效应的博弈论方法》
《量化地基防空系统间接效应的博弈论方法》
专知会员服务
5+阅读 · 5月29日
传感器网络：美国如何探测来自伊朗的导弹与无人机
传感器网络：美国如何探测来自伊朗的导弹与无人机
专知会员服务
6+阅读 · 5月29日
《无人机战争中的经济不对称：伊朗“沙赫德-136”对抗以色列“铁穹”防御系统的案例研究》
《无人机战争中的经济不对称：伊朗“沙赫德-136”对抗以色列“铁穹”防御系统的案例研究》
专知会员服务
8+阅读 · 5月29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
270+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
174+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
221+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
127+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
210+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
360+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. 视觉语言模型
  4. PDF下载
  5. 人工智能战争
  6. 反无
  7. SWOT分析套路
  8. 雷鸟科技
  9. 分布式事务
  10. 文本挖掘从小白到精通
    11.
Top
微信扫码咨询专知VIP会员
Top