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
126+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
209+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
【牛津博士论文】以语言为接口的医学影像表示学习
【牛津博士论文】以语言为接口的医学影像表示学习
专知会员服务
0+阅读 · 今天16:11
基于大语言模型的医疗推理研究：综述与 MR-Bench 基准测试
基于大语言模型的医疗推理研究：综述与 MR-Bench 基准测试
专知会员服务
0+阅读 · 今天16:09
从原型到实战：扩展美陆军下一代指挥控制能力（试验进展）
从原型到实战：扩展美陆军下一代指挥控制能力（试验进展）
专知会员服务
3+阅读 · 今天15:10
技术、多域威慑与海上战争（报告）
技术、多域威慑与海上战争（报告）
专知会员服务
3+阅读 · 今天15:04
随机网络效用最大化在战略排队系统中的博弈论方法
随机网络效用最大化在战略排队系统中的博弈论方法
专知会员服务
2+阅读 · 今天14:56
“在云端防御”：提升北约数据韧性（报告）
“在云端防御”：提升北约数据韧性（报告）
专知会员服务
2+阅读 · 今天14:54
从炒作到现实：人工智能在军事应用中的实战经验与建议（综述）
从炒作到现实：人工智能在军事应用中的实战经验与建议（综述）
专知会员服务
2+阅读 · 今天14:49
2026年伊朗战争对美国通胀的影响：情景分析（报告）
2026年伊朗战争对美国通胀的影响：情景分析（报告）
专知会员服务
1+阅读 · 今天14:47
人工智能及其在海军行动中的整合（综述）
人工智能及其在海军行动中的整合（综述）
专知会员服务
2+阅读 · 今天14:07
美以伊冲突：无人机主导的第三次海湾战争反防空作战
美以伊冲突：无人机主导的第三次海湾战争反防空作战
专知会员服务
1+阅读 · 今天13:56
多模态XR-AI训练系统提升联合作战中的沟通技能（中文万字长文）
多模态XR-AI训练系统提升联合作战中的沟通技能（中文万字长文）
专知会员服务
3+阅读 · 今天13:40
美军MAVEN项目全面解析：算法战架构
美军MAVEN项目全面解析：算法战架构
专知会员服务
16+阅读 · 今天8:36
从俄乌战场看“马赛克战”（万字长文）
从俄乌战场看“马赛克战”（万字长文）
专知会员服务
10+阅读 · 今天8:19
人工智能与机器人自主系统等新兴技术革命将如何影响地面作战的指挥控制？
人工智能与机器人自主系统等新兴技术革命将如何影响地面作战的指挥控制？
专知会员服务
10+阅读 · 4月12日
弹性指挥控制：北约、伊朗与俄罗斯指挥控制架构的比较分析
弹性指挥控制：北约、伊朗与俄罗斯指挥控制架构的比较分析
专知会员服务
9+阅读 · 4月12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
126+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
209+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. 无人机系统
  4. 案例研究
  5. 无人机蜂群
  6. 分布式事务
  7. terraform
  8. 对抗特征转移
  9. 助贷模式
  10. 生成对抗网络GANs学习路线
    11.
Top
微信扫码咨询专知VIP会员
Top