08 2018 档案

摘要:AI产品经理成长路 https://www.jianshu.com/p/4b98314ad3c0 以下都是自己平时知识的一些总结,只是一些个人的愚见,下面出现的公司、书籍、视频、网站都是自己看过体验过的,不是给他们打广告,不是广告!不是广告!不是广告!不同意见的评论区留下意见即可 一、 AI的兴起与 阅读全文
posted @ 2018-08-31 16:54 SAP虾客 阅读(421) 评论(0) 推荐(0) 编辑
摘要:一个AI产品经理怎么看AI的发展 https://www.jianshu.com/p/bed6b22ae837 最近一直在思考这个问题,人工智能接下来的几年会有什么样的发展,是否真的能够在很多工作岗位上取代人类?抑或只是和人类“和谐相处”。 本文基于作者个人的经验与知识水平,从一个人工智能从业者的角 阅读全文
posted @ 2018-08-31 16:42 SAP虾客 阅读(413) 评论(0) 推荐(0) 编辑
摘要:机器学习的数学基础 - 信息论 信息论 信息论本来是通信中的概念,但是其核心思想“熵”在机器学习中也得到了广泛的应用。比如决策树模型ID3,C4.5中是利用信息增益来划分特征而生成一颗决策树的,而信息增益就是基于这里所说的熵。所以它的重要性也是可想而知。 熵 联合熵 条件熵 相对熵 互信息 最大熵模 阅读全文
posted @ 2018-08-28 16:45 SAP虾客 阅读(442) 评论(0) 推荐(0) 编辑
摘要: 阅读全文
posted @ 2018-08-28 16:14 SAP虾客 阅读(250) 评论(0) 推荐(0) 编辑
摘要: 阅读全文
posted @ 2018-08-28 16:11 SAP虾客 阅读(786) 评论(0) 推荐(0) 编辑
摘要:https://www.jianshu.com/p/e1c8270477bc?utm_campaign=maleskine&utm_content=note&utm_medium=seo_notes&utm_source=recommendation 三个式子分别表示了样本的平均值、样本方差无偏估计 阅读全文
posted @ 2018-08-28 14:10 SAP虾客 阅读(924) 评论(0) 推荐(0) 编辑
摘要: 阅读全文
posted @ 2018-08-28 13:04 SAP虾客 阅读(390) 评论(0) 推荐(0) 编辑
摘要:谷歌迂回入华:Waymo无人车抢先进驻上海! https://mp.weixin.qq.com/s/d5Cw2uhykMJ9urb6Cs8aNw 谷歌又双叒叕要回归中国了?这已经是第不知道多少次的传言了,之前人民日报欢迎谷歌回归的相关内容似乎都被删干净了,互联网上的相关报导也被勒令下线。这么一番行动 阅读全文
posted @ 2018-08-28 12:12 SAP虾客 阅读(423) 评论(0) 推荐(0) 编辑
摘要:期望 方差 协方差 阅读全文
posted @ 2018-08-28 12:00 SAP虾客 阅读(251) 评论(0) 推荐(0) 编辑
摘要:特征分解 奇异值分解(Singular Value Decomposition, SVD) 阅读全文
posted @ 2018-08-28 11:56 SAP虾客 阅读(314) 评论(0) 推荐(0) 编辑
摘要:https://mp.weixin.qq.com/s/-RkyLda1jovaHBlBTsi-BA 近年来,中国涌现了一大批AI初创企业,但AI热潮也伴随着泡沫。由于近期市场资金紧缩,投资者发出警告,90%的中国AI初创企业将面临巨大挑战! 清算的日子即将来临? 自从5月份Piekniewski博客 阅读全文
posted @ 2018-08-28 08:21 SAP虾客 阅读(409) 评论(0) 推荐(0) 编辑
摘要:标量,向量,矩阵与张量 1、标量 一个标量就是一个单独的数,一般用小写的的变量名称表示。 2、向量 一个向量就是一列数,这些数是有序排列的。用过次序中的索引,我们可以确定每个单独的数。通常会赋予向量粗体的小写名称。当我们需要明确表示向量中的元素时,我们会将元素排列成一个方括号包围的纵柱: 我们可以把 阅读全文
posted @ 2018-08-27 17:06 SAP虾客 阅读(1755) 评论(0) 推荐(0) 编辑
摘要: 阅读全文
posted @ 2018-08-27 15:43 SAP虾客 阅读(290) 评论(0) 推荐(0) 编辑
摘要:如今领占主导地位的19种AI技术! http://blog.itpub.net/31542119/viewspace-2212797/ 深度学习的突破将人工智能带进全新阶段。 2006 年-2015 年是人工智能崛起的黄金十年。 2006 年 Hinton 提出“深度学习” 神经网络,使得人工智能的 阅读全文
posted @ 2018-08-27 12:07 SAP虾客 阅读(638) 评论(0) 推荐(0) 编辑
摘要:6个顶级Python NLP库的比较! http://blog.itpub.net/31509949/viewspace-2212320/ 自然语言处理(NLP)如今越来越流行,在深度学习开发的背景下变得尤为引人注目。在人工智能领域中,自然语言处理(NLP)从文本中理解和提取重要信息,并基于文本数据 阅读全文
posted @ 2018-08-27 12:06 SAP虾客 阅读(782) 评论(0) 推荐(0) 编辑
摘要:自学人工智能之数学篇,数学入门并不难 http://blog.itpub.net/31549715/viewspace-2200126/ 写这篇文章很久想了很久,到底该怎么写? 关于数学与机器学习的关系,观点很多。 写本文的目的,希望结合众家之长,试图解决数学对机器学习入门的困扰。 现在数学困扰大家 阅读全文
posted @ 2018-08-27 12:05 SAP虾客 阅读(928) 评论(0) 推荐(0) 编辑
摘要:【经验分享】数据科学与机器学习面试指南 https://mp.weixin.qq.com/s/_3Mshyl-8Ijed-CqqsTijQ 作者 | George Seif 编译 | 专知 参与 | Sanglei, Shengsheng George Seif 最近分享了他在找工作时遇到的常见的面 阅读全文
posted @ 2018-08-27 09:50 SAP虾客 阅读(354) 评论(0) 推荐(0) 编辑
摘要:计算机视觉计算任务有哪些,怎么分类 ? 我把任务分为像素级别、目标级别、理解级别。 像素级别的任务一般是传统的图像处理任务,他们不需要用到图像的语义信息,或者最多用到底层特征(比如图像的边缘、纹理),这些任务有图像增强、传统的图像复原(如去噪、去模糊)、传统的图像分割(比如基于种子生长的方法)、图像 阅读全文
posted @ 2018-08-27 09:42 SAP虾客 阅读(1197) 评论(0) 推荐(0) 编辑
摘要:https://www.jianshu.com/p/2e8f2b89a386 <!-- 如果是当前作者,加入编辑按钮 --> <!-- 文章内容 --> 摘要: Canvas是用于设计和记录机器学习系统的模板。它比简单的文本文档具有优势,因为Canvas用简单的部件通过部件之间的相关性来寻找机器学习 阅读全文
posted @ 2018-08-24 09:02 SAP虾客 阅读(234) 评论(0) 推荐(0) 编辑
摘要:https://www.jianshu.com/p/8506cd0dd90f 摘要: 阅读本文以了解更多关于人工智能、机器学习和深度学习方面的知识,以及它们对商业化意味着什么。 如果正确的利用模式识别进行商业预测和决策,那么会为企业带来巨大的利益。机器学习(ML)研究这些模式,并将人类决策过程编码成 阅读全文
posted @ 2018-08-24 08:59 SAP虾客 阅读(268) 评论(0) 推荐(0) 编辑
摘要:https://www.jianshu.com/p/f48aa88385b5 摘要: 天天再说机器学习,你知道机器学习从业者到底在干啥吗? 这篇文章是系列文章的第1部分,第2部分将阐述AutoML和神经架构搜索、第3部分将特别地介绍Google的AutoML。 关于机器学习人才的稀缺和公司声称他们的 阅读全文
posted @ 2018-08-24 08:55 SAP虾客 阅读(219) 评论(0) 推荐(0) 编辑
摘要:https://www.jianshu.com/p/2149c9fee166 摘要: 本文以过来人的身份将自身2年的研究经验做了一下分享,希望本文对于即将开始从事人工智能研究的朋友有所帮助。 人工智能研究这个领域是有一定门槛的。对于初学者来说,一般通常的做法是直接购买一些热门的书籍,比如“西瓜书”、 阅读全文
posted @ 2018-08-24 08:51 SAP虾客 阅读(211) 评论(0) 推荐(0) 编辑
摘要:https://www.jianshu.com/p/162c9ec713cf 摘要: 让我们走进K-Means算法的“前世今生”以及和它有关的十个有趣的应用案例。 K-means算法具有悠久的历史,并且也是最常用的聚类算法之一。K-means算法实施起来非常简单,因此,它非常适用于机器学习新手爱好者 阅读全文
posted @ 2018-08-24 08:37 SAP虾客 阅读(694) 评论(0) 推荐(0) 编辑
摘要:摘要: 老生常谈,到底什么样的机器学习模型才能取缔“众生” 人工智能是研究一种可以直接处理重要应用的方法,比如试图改进语音识别或医学成像的生产系统。但是,大多数研究,即使是在计算机视觉等应用领域,都是在高度简化的真实世界的代理上完成的。目标识别基准的进展:从像MNIST,NORB和Caltech10 阅读全文
posted @ 2018-08-24 08:34 SAP虾客 阅读(481) 评论(0) 推荐(0) 编辑
摘要:SAP MM PIR里的Lower Limit & Upper Limit 在PIR的价格的detail数据里,有2个字段:Lower Limit和Upper Limit。在今天之前,笔者从未注意过这2个字段,也没有用过它们。 今天某同行在微信上问我是否可以通过PIR里的设置来实现采购订单价格最高限 阅读全文
posted @ 2018-08-23 15:22 SAP虾客 阅读(1022) 评论(0) 推荐(0) 编辑
摘要:一次谷歌面试趣事 https://mp.weixin.qq.com/s/cEDPneTo8W-pDAfsGRNs6A 很多年前我进入硅谷人才市场,当时是想找一份高级工程师的职位。如果你有一段时间没有面试过,根据经验,有个非常有用的提醒你应该接受,就是:你往往会在前几次面试中的什么地方犯一些错误。简单 阅读全文
posted @ 2018-08-23 11:12 SAP虾客 阅读(950) 评论(2) 推荐(3) 编辑
摘要:【十大经典数据挖掘算法】k-means https://mp.weixin.qq.com/s/SWlE-KBJ4mVza92nJFX1hg 作者简介: Treant 人工智能爱好者社区专栏作者 博客专栏:https://www.cnblogs.com/en-heng 1、引言 k-means与kNN 阅读全文
posted @ 2018-08-22 16:47 SAP虾客 阅读(617) 评论(0) 推荐(0) 编辑
摘要:【机器学习】机器学习的经典算法 https://mp.weixin.qq.com/s/CxSG9l_dxA4G-SZKOGI1ng 本文为整篇文章第二部分,整篇文章主要目录如下: 1:一个故事说明什么是机器学习 2:机器学习的定义 3:机器学习的经典算法 4:机器学习的应用--大数据 5:机器学习的 阅读全文
posted @ 2018-08-22 13:21 SAP虾客 阅读(1051) 评论(0) 推荐(0) 编辑
摘要:【机器学习】如何简单形象又有趣地讲解神经网络是什么? https://mp.weixin.qq.com/s/jAcInAWI6cVvsnevoHIShQ 作者:王小龙 链接:www.zhihu.com/question/22553761/answer/36429105 1 分类 神经网络最重要的用途 阅读全文
posted @ 2018-08-22 12:13 SAP虾客 阅读(361) 评论(0) 推荐(0) 编辑
摘要:EM算法 EM算法是一种迭代法,其目标是求解似然函数或后验概率的极值,而样本中具有无法观测的隐含变量。因为隐变量的存在,我们无法直接通过最大化似然函数来确定参数的值。可以采用一种策略,构造出对数似然函数的一个下界函数,这个函数不含有隐变量,然后优化这个下界。不断的提高这个下界,使原问题达到最优解,这 阅读全文
posted @ 2018-08-22 11:11 SAP虾客 阅读(332) 评论(0) 推荐(0) 编辑
摘要:logistic回归 logistic回归是一种二分类算法,直接为样本估计出它属于正负样本的概率。先将向量进行线性加权,然后计算logistic函数,可以得到[0,1]之间的概率值,它表示样本x属于正样本的概率: 正样本标签值为1,负样本为0。使用logistic函数的原因是它单调增,并且值域在(0 阅读全文
posted @ 2018-08-22 11:02 SAP虾客 阅读(569) 评论(0) 推荐(0) 编辑
摘要:华为人工智能岗位面试经历分享 https://mp.weixin.qq.com/s/sSQlhZdXDgu80OINf3Uu7Q 作者 Jack Yang 如需转载,请联系原作者授权。 Part.1 面试是在马桶上进行的,因为那里安静。 开始我自我介绍,然后他说总体介绍的很清晰。 然后问我的项目细节 阅读全文
posted @ 2018-08-22 10:58 SAP虾客 阅读(1399) 评论(1) 推荐(0) 编辑
摘要: 阅读全文
posted @ 2018-08-21 14:50 SAP虾客 阅读(249) 评论(0) 推荐(0) 编辑
摘要:拉格朗日对偶 对偶是最优化方法里的一种方法,它将一个最优化问题转换成另外一个问题,二者是等价的。拉格朗日对偶是其中的典型例子。对于如下带等式约束和不等式约束的优化问题: 与拉格朗日乘数法类似,构造广义拉格朗日函数: 必须满足 的约束。 原问题为: 即先固定住x,调整拉格朗日乘子变量,让函数L取极大值 阅读全文
posted @ 2018-08-21 12:57 SAP虾客 阅读(2595) 评论(0) 推荐(0) 编辑
摘要:拉格朗日乘数法 拉格朗日乘数法是一个理论结果,用于求解带有等式约束的函数极值。对于如下问题: 构造拉格朗日乘子函数: 在最优点处对x和乘子变量的导数都必须为0: 解这个方程即可得到最优解。对拉格朗日乘数法更详细的讲解可以阅读任何一本高等数学教材。 机器学习中用到拉格朗日乘数法的地方有: 主成分分析 阅读全文
posted @ 2018-08-21 11:53 SAP虾客 阅读(844) 评论(0) 推荐(0) 编辑
摘要:凸优化 数值优化算法面临两个方面的问题:局部极值,鞍点。前者是梯度为0的点,也是极值点,但不是全局极小值;后者连局部极值都不是,在鞍点处Hessian矩阵不定,即既非正定,也非负定。 凸优化通过对目标函数,优化变量的可行域进行限定,可以保证不会遇到上面两个问题。 凸优化是一类特殊的优化问题,它要求: 阅读全文
posted @ 2018-08-21 11:46 SAP虾客 阅读(428) 评论(0) 推荐(0) 编辑
摘要:读懂SAP Leonardo物联网平台 https://blog.csdn.net/weixin_42137700/article/details/81903290 本文比较系统、全面地介绍了SAP Leonardo IoT平台,全文总共分为6部分: 1.连接与赋能 – SAP Leonardo I 阅读全文
posted @ 2018-08-21 10:59 SAP虾客 阅读(1698) 评论(0) 推荐(0) 编辑
摘要:https://blog.csdn.net/weixin_42137700/article/details/81869285 机器学习在很多眼里就是香饽饽,因为机器学习相关的岗位在当前市场待遇不错,但同时机器学习在很多人面前又是一座大山,因为发现它太难学了。在这里我分享下我个人入门机器学习的经历,希 阅读全文
posted @ 2018-08-20 12:47 SAP虾客 阅读(367) 评论(0) 推荐(0) 编辑
摘要:张钹院士:场景是当前AI产业化最大问题 https://mp.weixin.qq.com/s/TLdoi9cnY-Crr0FVp2ah6g 在世界机器人大会“青年创新创业专题论坛”上,清华大学人工智能研究院院长、中国科学院张钹院士作了题为《中国人工智能发展若干思考》的演讲,指出人工智能的应用场景问题 阅读全文
posted @ 2018-08-20 08:56 SAP虾客 阅读(215) 评论(0) 推荐(0) 编辑
摘要:机器学习是万能的吗?AI落地有哪些先决条件? https://mp.weixin.qq.com/s/9rNY2YA3BMpoY8NQ_rVIjQ 1.引言 1.引言 入门机器学习或从事其相关工作前,不知道你思考过如下2个问题吗: 1) 机器学习是万能的吗? 2) 工业界要想尽可能落地机器学习,需要满 阅读全文
posted @ 2018-08-20 08:37 SAP虾客 阅读(626) 评论(0) 推荐(0) 编辑
摘要:https://blog.csdn.net/libaqiangdeliba/article/details/41901387 1.基础概念: (1) 10折交叉验证:英文名是10-fold cross-validation,用来测试算法的准确性。是常用的测试方法。将数据集分成10份。轮流将其中的9份 阅读全文
posted @ 2018-08-18 10:57 SAP虾客 阅读(610) 评论(0) 推荐(1) 编辑
摘要:https://blog.csdn.net/shijing_0214/article/details/50908144 在项目开发中,会经常遇到不同的编码方式。不管什么编码,都是信息在计算机中的一种表现,理解常见的编码方式,有助于我们避免出现乱码等现象。 最初的计算机字符编码是通过ASCII来编码的 阅读全文
posted @ 2018-08-17 14:47 SAP虾客 阅读(1337) 评论(0) 推荐(0) 编辑
摘要:https://blog.csdn.net/shijing_0214/article/details/50996270 在推荐系统简介中,我们给出了推荐系统的一般框架。很明显,推荐方法是整个推荐系统中最核心、最关键的部分,很大程度上决定了推荐系统性能的优劣。目前,主要的推荐方法包括:基于内容推荐、协 阅读全文
posted @ 2018-08-17 14:45 SAP虾客 阅读(268) 评论(0) 推荐(0) 编辑
摘要:https://blog.csdn.net/shijing_0214/article/details/50996434 推荐系统近几年来一直十分火热,目前几乎所有的电子商务系统、社交网络,广告推荐,搜索引擎等等,都不同程度的使用了各种形式的推荐系统。想知道电商如何向你发送广告的?想了解社交网络怎么推 阅读全文
posted @ 2018-08-17 14:44 SAP虾客 阅读(511) 评论(0) 推荐(0) 编辑
摘要:https://blog.csdn.net/shijing_0214/article/details/53143393 孔子说过,温故而知新,时隔俩月再重看CNNs,当时不太了解的地方,又有了新的理解与体会,特此记录下来。文章图片及部分素材均来自网络,侵权请告知。 卷积神经网络(Convolutin 阅读全文
posted @ 2018-08-17 14:32 SAP虾客 阅读(2158) 评论(0) 推荐(0) 编辑
摘要:基础篇|一文搞懂RNN(循环神经网络) https://mp.weixin.qq.com/s/va1gmavl2ZESgnM7biORQg 神经网络基础 神经网络可以当做是能够拟合任意函数的黑盒子,只要训练数据足够,给定特定的x,就能得到希望的y,结构图如下: ​ 将神经网络模型训练好之后,在输入层 阅读全文
posted @ 2018-08-17 11:22 SAP虾客 阅读(1115) 评论(0) 推荐(0) 编辑
摘要:【深度学习理论】一文看懂卷积神经网络 https://mp.weixin.qq.com/s/wzpMtMFkVDDH6scVcAdhlA 选自Medium 作者: Pranjal Yadav 经机器之心授权,禁止二次转载 参与:Nurhachu Null、路雪 本文主要介绍了神经网络中的卷积神经网络 阅读全文
posted @ 2018-08-17 10:57 SAP虾客 阅读(1014) 评论(2) 推荐(0) 编辑
摘要:腾讯难成算法帝国 https://mp.weixin.qq.com/s/ceVUyuVeYtCPOCSgMNAStg 本文从一个全新的角度——数据及算法,对腾讯这家公司抽丝剥茧,进行了全面的分析。作者认为,如果腾讯能够重视大数据并极大提升它的算法,并利用算法进行更有价值的赋能,那么,腾讯的竞争力一定 阅读全文
posted @ 2018-08-16 13:18 SAP虾客 阅读(277) 评论(0) 推荐(0) 编辑
摘要:物料号:1301002696 工厂代码:2160 MB5B,如下查询条件, 查询结果中,期初与期末库存数量都是0,期间的出库入库数量都是0。事实上该物料期初应该是有库存的。并且我用MB51相同时间段查询结果, 明明这期间有一笔货物移动,为什么MB5B里不认?初看这个结果,笔者觉得好奇怪。以严谨著称的 阅读全文
posted @ 2018-08-16 11:10 SAP虾客 阅读(1497) 评论(0) 推荐(0) 编辑
摘要:https://blog.csdn.net/ChenVast/article/details/81451460 第一部分 Python基础篇(80题) 第二部分 网络编程和并发(34题) 第三部分 数据库和缓存(46题) 第四部分 前端、框架和其他(155题) 详情请参考:https://zhuan 阅读全文
posted @ 2018-08-16 08:57 SAP虾客 阅读(251) 评论(0) 推荐(0) 编辑
摘要:https://blog.csdn.net/ChenVast/article/details/81382795 激活函数是模型整个结构中的非线性扭曲力 神经网络的每层都会有一个激活函数 1、逻辑函数(Sigmoid): 使用范围最广的一类激活函数,具有指数函数形状,它在物理意义上最为接近生物神经元。 阅读全文
posted @ 2018-08-16 08:56 SAP虾客 阅读(2013) 评论(0) 推荐(0) 编辑
摘要:https://blog.csdn.net/ChenVast/article/details/81382939 神经网络中使用激活函数来加入非线性因素,提高模型的表达能力。 ReLU(Rectified Linear Unit,修正线性单元) 形式如下: ReLU公式近似推导:: 下面解释上述公式中 阅读全文
posted @ 2018-08-16 08:54 SAP虾客 阅读(4032) 评论(0) 推荐(2) 编辑
摘要:https://blog.csdn.net/ChenVast/article/details/81385018 方差 在一个训练集 D上模型 f对测试样本 x的预测输出为 f(x;D), 那么学习算法 f对测试样本 x的 期望预测 为: 上面的期望预测也就是针对 不同 数据集 D, f 对 x的预测 阅读全文
posted @ 2018-08-16 08:52 SAP虾客 阅读(4998) 评论(0) 推荐(1) 编辑
摘要:https://blog.csdn.net/ChenVast/article/details/81449509 本文档旨在帮助那些掌握机器学习基础知识的人从Google机器学习的最佳实践中获益。它提供了机器学习的风格,类似于Google C ++风格指南和其他流行的实用编程指南。如果您参加了机器学习 阅读全文
posted @ 2018-08-16 08:50 SAP虾客 阅读(416) 评论(0) 推荐(0) 编辑
摘要:https://blog.csdn.net/ChenVast/article/details/81482361 机器学习算法可以通过概括示例来确定如何执行重要任务。在手动编程不是这样的情况下,这通常是可行且成本有效的。随着更多数据的出现,可以解决更加雄心勃勃的问题。因此,机器学习被广泛应用于计算机真 阅读全文
posted @ 2018-08-16 08:47 SAP虾客 阅读(556) 评论(0) 推荐(0) 编辑
摘要:https://blog.csdn.net/ChenVast/article/details/81531882 介绍 数据科学项目为您提供了一个有前途的方式来启动您在该领域的职业生涯。您不仅可以通过应用来学习数据科学,还可以在简历中展示项目!如今,招聘人员通过他/她的工作来评估候选人的潜力,而不是非 阅读全文
posted @ 2018-08-16 08:44 SAP虾客 阅读(2100) 评论(0) 推荐(0) 编辑
摘要:https://blog.csdn.net/weixin_42137700/article/details/81664967 在学习的过程中,我经常会将频率和概率、均值和期望这两对概念搞混,这次总结一下,希望能对其他同学有所帮助。 1频率和概率 我们首先来看一个常见的误区。 当我们抛一门硬币50次的 阅读全文
posted @ 2018-08-14 12:53 SAP虾客 阅读(1346) 评论(0) 推荐(0) 编辑
摘要:理解激活函数作用,看这篇文章就够了! https://blog.csdn.net/weixin_42137700/article/details/81664768 查阅资料和学习,大家对神经网络中激活函数的作用主要集中下面这个观点: 激活函数作用 激活函数是用来加入非线性因素的,解决线性模型所不能解 阅读全文
posted @ 2018-08-14 12:46 SAP虾客 阅读(477) 评论(0) 推荐(0) 编辑
摘要:聊一聊激活函数 https://mp.weixin.qq.com/s/Gm4Zp7RuTyZlRWlrbUktDA Why激活函数? 引入激活函数是为了引入非线性因素,以此解决线性模型所不能解决的问题,让神经网络更加powerful! 以下解释部分可以自行选择跳过哦~ 如果没有激活函数,那么神经网络 阅读全文
posted @ 2018-08-14 12:20 SAP虾客 阅读(213) 评论(0) 推荐(0) 编辑
摘要:【机器学习基本理论】详解最大似然估计(MLE)、最大后验概率估计(MAP),以及贝叶斯公式的理解 https://mp.csdn.net/postedit/81664644 最大似然估计(Maximum likelihood estimation, 简称MLE)和最大后验概率估计(Maximum a 阅读全文
posted @ 2018-08-14 12:17 SAP虾客 阅读(498) 评论(0) 推荐(0) 编辑
摘要:SAP MM 销售订单库存与普通库存之间相互转换过账后对于EBEWH以及MBEWH表的更新 1,DEMO数据 物料号:1300009995 工厂:2160 销售订单号/item号:0010097627/10 2,做销售订单库存与普通库存之间的转换之前的数据。 2.1, 该物料在EBEWH表里的记录: 阅读全文
posted @ 2018-08-13 16:35 SAP虾客 阅读(1987) 评论(0) 推荐(0) 编辑
摘要:SAP MM 物料主数据MRP2 视图Rounding Value字段 如下物料号,MRP2视图中,维护了rounding value字段值为50。 MRP type :PD Lot size:EX Minmum lot size:500 Rounding value:50 Safety stock 阅读全文
posted @ 2018-08-13 15:39 SAP虾客 阅读(1301) 评论(0) 推荐(0) 编辑
摘要:SAP MM 物料主数据MRP2 视图’Minimum Lot Size’字段 如下物料号,MRP2视图中,维护了最小采购量为500。 MRP type : PD Lot size: EX Minimum lot size: 500 Safety stock: 250 MD04结果, MD02 ru 阅读全文
posted @ 2018-08-13 15:37 SAP虾客 阅读(1283) 评论(0) 推荐(0) 编辑
摘要:通俗理解信息熵 https://blog.csdn.net/weixin_42137700/article/details/81627952 1信息熵的公式 先抛出信息熵公式如下: 其中p(xi)代表随机事件X为Xi的概率,下面来逐步介绍信息熵的公式来源! 2信息量 信息量是对信息的度量,就跟时间的 阅读全文
posted @ 2018-08-13 13:29 SAP虾客 阅读(423) 评论(0) 推荐(0) 编辑
摘要:https://blog.csdn.net/weixin_42137700/article/details/81627965 编译:Richard Yang 来源:Towards Data Science 在正式讲这两个概念之前我们先来看一个故事:假设你想要习英语但之前对英语一无所知,不过曾听说过莎 阅读全文
posted @ 2018-08-13 13:20 SAP虾客 阅读(743) 评论(0) 推荐(0) 编辑
摘要:https://blog.csdn.net/weixin_42137700/article/details/81628028 首先,本文不是为了增加大家的焦虑感,而是站在一名学生的角度聊聊找AI算法岗位的那些事儿(不喜请喷)。 熟悉Amusi的同学应该知道,Amusi 是一名十八线过气211院校的研 阅读全文
posted @ 2018-08-13 13:19 SAP虾客 阅读(448) 评论(0) 推荐(0) 编辑
摘要:https://blog.csdn.net/weixin_42137700/article/details/81627983 1极大似然估计 极大似然估计,通俗理解来说,就是在假定整体模型分布已知,利用已知的样本结果信息,反推最具有可能(最大概率)导致这些样本结果出现的模型参数值! 换句话说,极大似 阅读全文
posted @ 2018-08-13 13:19 SAP虾客 阅读(177) 评论(0) 推荐(0) 编辑
摘要:【机器学习基本理论】详解最大后验概率估计(MAP)的理解 https://blog.csdn.net/weixin_42137700/article/details/81628065 最大似然估计(Maximum likelihood estimation, 简称MLE)和最大后验概率估计(Maxi 阅读全文
posted @ 2018-08-13 13:18 SAP虾客 阅读(4179) 评论(0) 推荐(0) 编辑
摘要:http://blog.itpub.net/31532639/viewspace-2199409/ PLM的发展历史及其与PDM的关系 在ERP、SCM、CRM以及PLM这4个系统中,PLM的成跃和成熟花费了最长的时问,并且最不容易被人所理解。它也与其他系统有着较大的区别,这是因为迄今为止,它是惟一 阅读全文
posted @ 2018-08-12 20:34 SAP虾客 阅读(591) 评论(0) 推荐(0) 编辑
摘要:http://blog.itpub.net/31549219/viewspace-2199771/ 码教授认为如今人工智能算是特别流行了,也很普通,几乎随处可见,我们口中的人工估计也就是机器人了吧,但是人工智能分为人工和智能两部分,人工可以理解为劳动力,智能可以理解为人类意识(包括情感、智慧等),现 阅读全文
posted @ 2018-08-12 20:31 SAP虾客 阅读(331) 评论(0) 推荐(0) 编辑
摘要:https://blog.csdn.net/bKMk01MZ3w/article/details/81463602 编者按:本文来自微信公众号“清脑”(ID:QingNao_),作者 周岭。36氪经授权转载。 胡适的英语老师、民国时期自学成才的出版家王云五先生在年轻的时候是这样自学英语写作的: 找到 阅读全文
posted @ 2018-08-12 20:29 SAP虾客 阅读(848) 评论(0) 推荐(1) 编辑
摘要:https://blog.csdn.net/l7H9JA4/article/details/81463954 授权转发自:刘建平《受限玻尔兹曼机(RBM)原理总结》 地址:http://www.cnblogs.com/pinard/p/6530523.html 前 言 本文主要关注于这类模型中的受限 阅读全文
posted @ 2018-08-12 20:28 SAP虾客 阅读(581) 评论(0) 推荐(0) 编辑
摘要:https://blog.csdn.net/cf2SudS8x8F0v/article/details/81463702 来源:科学网 摘要:近日,“Rekognition”却闹了一个大乌龙:28名美国国会议员被它识别成了罪犯。 小编搞了大半辈子测试和容错,对这方面消息比较敏感。最近看到新闻,商业巨 阅读全文
posted @ 2018-08-12 20:26 SAP虾客 阅读(295) 评论(0) 推荐(0) 编辑
摘要:https://blog.csdn.net/y80gDg1/article/details/81463731 感谢阅读腾讯AI Lab微信号第34篇文章。当地时间 7 月 10-15 日,第 35 届国际机器学习会议(ICML 2018)在瑞典斯德哥尔摩成功举办。ICML 2018 所接收的论文的研 阅读全文
posted @ 2018-08-12 20:23 SAP虾客 阅读(4883) 评论(0) 推荐(1) 编辑
摘要:https://blog.csdn.net/u010798367/article/details/53008439 今天,项目经理问我一个问题,问我这里有2000个URL要检查是否能正常打开,其实我是拒绝的,我知道因为要写代码了,正好学了点python,一想,python处理起来容易,就选了pyth 阅读全文
posted @ 2018-08-12 20:22 SAP虾客 阅读(3184) 评论(0) 推荐(0) 编辑
摘要:https://blog.csdn.net/BULpreZHt1ImlN4N/article/details/81463791 1969年,J. 理查德·戈特三世在普林斯顿攻读天体物理博士学位之前,他去欧洲旅行了一趟。他看见了柏林墙,那是8年前建成的。 站在墙的影子下,这仿佛是冷战的一个鲜明象征,他 阅读全文
posted @ 2018-08-12 20:19 SAP虾客 阅读(2661) 评论(0) 推荐(0) 编辑
摘要:http://blog.itpub.net/31542119/viewspace-2199549/ XGBoost是boosting算法的其中一种。Boosting算法的思想是将许多弱分类器集成在一起形成一个强分类器。因为XGBoost是一种提升树模型,所以它是将许多树模型集成在一起,形成一个很强的 阅读全文
posted @ 2018-08-11 11:47 SAP虾客 阅读(472) 评论(0) 推荐(0) 编辑
摘要:http://blog.itpub.net/31542119/viewspace-2199810/ 线性和逻辑斯蒂(Logistic)回归通常是是机器学习学习者的入门算法,因为它们易于使用和可解释性。然而,尽管他们简单但也有一些缺点,在很多情况下它们并不是最佳选择。实际上存在很多种回归模型,每种都有 阅读全文
posted @ 2018-08-11 11:44 SAP虾客 阅读(2902) 评论(0) 推荐(0) 编辑
摘要:http://blog.itpub.net/31542119/viewspace-2168809/ 随着数字化转型的进程加快,企业开始重新评估ERP的作用。传统ERP经过多年僵硬化定制过于追求生产的一致性,而忽视了客户的需求变化,导致系统缺乏灵活性,已经无法满足当今数字业务模型的增长需求。目前,人工 阅读全文
posted @ 2018-08-11 11:40 SAP虾客 阅读(313) 评论(0) 推荐(0) 编辑
摘要:http://blog.itpub.net/31542119/viewspace-2168911/ 1、 监督式学习 工作机制:这个算法由一个目标变量或结果变量(或因变量)组成。这些变量由已知的一系列预示变量(自变量)预测而来。利用这一系列变量,我们生成一个将输入值映射到期望输出值的函数。这个训练过 阅读全文
posted @ 2018-08-11 11:37 SAP虾客 阅读(539) 评论(0) 推荐(0) 编辑
摘要:http://blog.itpub.net/31077337/viewspace-2156393/ 本文主要是学习BP神经网络的一个总结,其本身也是机器学习中比较基础、适合入门的模型。 目前本人对于机器学习也还只是入门状态,对于很多名词仍然是一知半解(感觉机器学习中的很多术语本身也是模棱两可的),对 阅读全文
posted @ 2018-08-11 11:35 SAP虾客 阅读(20820) 评论(0) 推荐(2) 编辑
摘要:http://blog.itpub.net/31542492/viewspace-2156228/ 目录 术语 概览 在进行机器学习之前 机器学习第一阶段:您的第一个管道 关于机器学习工程的最佳实践 马丁·辛克维奇 本文档旨在帮助已掌握机器学习基础知识的人员从 Google 机器学习的最佳实践中受益 阅读全文
posted @ 2018-08-11 11:32 SAP虾客 阅读(607) 评论(0) 推荐(0) 编辑
摘要:http://blog.itpub.net/31542492/viewspace-2156223/ AI(人工智能)技术已经广泛应用于美团的众多业务,从美团App到大众点评App,从外卖到打车出行,从旅游到婚庆亲子,美团数百名最优秀的算法工程师正致力于将AI技术应用于搜索、推荐、广告、风控、智能调度 阅读全文
posted @ 2018-08-11 11:28 SAP虾客 阅读(379) 评论(0) 推荐(0) 编辑
摘要:SAP MM 物料主数据采购视图中的字段'Var. OUn'的作用? 物料主数据采购视图里有一个字段,叫做'Var. OUn'的, 如下图: 这个字段,笔者之前所参与的项目里,从来没有用过。所以,笔者对它也没有去研究过,测试过,对于它的用处一知半解。 在P3项目,笔者发现客户系统里的好些物料的采购视 阅读全文
posted @ 2018-08-09 19:29 SAP虾客 阅读(904) 评论(0) 推荐(0) 编辑
摘要:https://daily.zhihu.com/story/9653612?from=timeline&isappinstalled=0 AI财经社,专注未来,以及更好的生活 真正的 AI 高手,不是从培训班里出来的。 文 | AI 财经社 石若萧 特约采写 | 赵雪娇 编辑 | 金赫 1 一堂计算 阅读全文
posted @ 2018-08-09 10:15 SAP虾客 阅读(463) 评论(0) 推荐(0) 编辑
摘要:SAP MM MM17里不能修改物料主数据'Purchasing Value Key'字段值? 记得在D项目上线之前数据导入系统之后,业务提出一些物料采购视图里的’Purchasing value key’字段需要修改一下。 ​ 意味着需要批量修改该字段。笔者第一时间想到MM17,于是就试图使用MM 阅读全文
posted @ 2018-08-07 17:03 SAP虾客 阅读(739) 评论(0) 推荐(0) 编辑
摘要:SAP MM GR-based IV, 无GR不能IV? 如下的采购订单, 没有做过收货, ITEM的details里却勾选了’GR-Bsd IV’ 选项。 此时试图直接针对该PO#4502607137做MIRO, 看具体信息, 所以,此次验证得出的结论是:一旦采购订单里勾选了’GR-Bsd IV’ 阅读全文
posted @ 2018-08-07 17:01 SAP虾客 阅读(668) 评论(0) 推荐(0) 编辑
摘要:http://blog.itpub.net/31509949/viewspace-2158395/ “梯度下降不会让你成为机器学习的专家” 可能您遇到的大多数的简单线性回归和神经网络的文章都会谈论到梯度下降。在本文中,我将向您介绍一种技术,即粒子群优化(PSO)算法。毫无疑问,梯度下降是一种很好的优 阅读全文
posted @ 2018-08-06 20:48 SAP虾客 阅读(670) 评论(0) 推荐(0) 编辑
摘要:http://blog.itpub.net/31137683/viewspace-2168747/ 关于机器学习最简单的定义来自于Berkeley所表述的:机器学习是AI的一个分支,它探索了让计算机根据经验提高效率的方法。 为了更深刻的理解这一定义,接下来我们将对其进行拆分分析。 AI的分支:人工智 阅读全文
posted @ 2018-08-06 20:47 SAP虾客 阅读(157) 评论(0) 推荐(0) 编辑
摘要:http://blog.itpub.net/31473948/viewspace-2168987/ 在处理任何类型的机器学习(ML)问题时,我们有许多不同的算法可供选择。而机器学习领域有一个得到大家共识的观点,大概就是:没有一个ML算法能够最佳地适用于解决所有问题。不同ML算法的性能在很大程度上取决 阅读全文
posted @ 2018-08-06 20:46 SAP虾客 阅读(283) 评论(0) 推荐(0) 编辑
摘要:http://blog.itpub.net/31542119/viewspace-2169004/ 1. “表征+评估+优化”构成机器的主要内容! 构成机器学习算法的 3 部分: 表征(Representation) :分类器必须用计算机可以处理的形式化语言来表示。相反地,为训练模型选择一个表征就等 阅读全文
posted @ 2018-08-06 20:45 SAP虾客 阅读(188) 评论(0) 推荐(0) 编辑
摘要:http://blog.itpub.net/31547542/viewspace-2181372/ 如果有人问你什么是AI?你会如何回答?你可能会联想到电影中的场景,星球大战、复仇者联盟各类科幻片为我们提供了很多关于AI的想象,但那些都是没有实现的AI机器人。现实生活中AI的应用其实十分广泛,包括智 阅读全文
posted @ 2018-08-06 20:43 SAP虾客 阅读(354) 评论(0) 推荐(0) 编辑
摘要:机器学习九大算法 随机森林 转载自:http://www.zilhua.com/629.html 1. 随机森林使用背景 1.1 随机森林定义 随机森林是一种比较新的机器学习模型。经典的机器学习模型是神经网络,有半个多世纪的历史了。神经网络预测精确,但是计算量很大。上世纪八十年代Breiman等人发 阅读全文
posted @ 2018-08-06 13:04 SAP虾客 阅读(34351) 评论(0) 推荐(0) 编辑
摘要:机器学习九大算法 支持向量机 出处:结构之法算法之道blog。 出处:结构之法算法之道blog。 前言 动笔写这个支持向量机(support vector machine)是费了不少劲和困难的,原因很简单,一者这个东西本身就并不好懂,要深入学习和研究下去需花费不少时间和精力,二者这个东西也不好讲清楚 阅读全文
posted @ 2018-08-06 13:03 SAP虾客 阅读(1370) 评论(0) 推荐(0) 编辑
摘要:机器学习九大算法 回归 转自:http://blog.csdn.net/xiaohai1232/article/details/59551240 回归分析即,量化因变量受自变量影响的大小,建立线性回归方程或者非线性回归方程,从而达对因变量的预测,或者对因变量的解释作用。 回归分析流程如下: ①探索性 阅读全文
posted @ 2018-08-06 13:01 SAP虾客 阅读(731) 评论(0) 推荐(0) 编辑
摘要:机器学习九大算法 朴素贝叶斯分类器 搞懂朴素贝叶斯分类算 贝叶斯分类是一类分类算法的总称,这类算法均以贝叶斯定理为基础,故统称为贝叶斯分类。而朴素朴素贝叶斯分类是贝叶斯分类中最简单,也是常见的一种分类方法。这篇文章我尽可能用直白的话语总结一下我们学习会上讲到的朴素贝叶斯分类算法,希望有利于他人理解。 阅读全文
posted @ 2018-08-06 13:00 SAP虾客 阅读(466) 评论(0) 推荐(0) 编辑
摘要:机器学习九大算法 隐马尔科夫模型 转自:http://blog.csdn.net/baimafujinji/article/details/51285082 转自:http://blog.csdn.net/baimafujinji/article/details/51285082 前导性推荐阅读资料 阅读全文
posted @ 2018-08-06 12:58 SAP虾客 阅读(640) 评论(0) 推荐(0) 编辑
摘要:机器学习实战之一 简单讲解决策树 https://blog.csdn.net/class_brick/article/details/78855510 https://blog.csdn.net/class_brick/article/details/78855510 https://blog.cs 阅读全文
posted @ 2018-08-06 12:56 SAP虾客 阅读(526) 评论(0) 推荐(0) 编辑
摘要:数学基础 范数 转自:http://blog.csdn.net/alec1987/article/details/7488686 设X是数域K上线性空间,称║˙║为X上的范数(norm)。 范数的定义 若X是数域K上的线性空间,泛函 ║·║: X->R 满足: 1. 正定性:║x║≥0,且║x║=0 阅读全文
posted @ 2018-08-06 12:55 SAP虾客 阅读(5434) 评论(0) 推荐(1) 编辑
摘要:机器学习几种常见优化算法介绍 https://blog.csdn.net/class_brick/article/details/78949145 https://blog.csdn.net/class_brick/article/details/78949145 https://blog.csdn 阅读全文
posted @ 2018-08-06 12:51 SAP虾客 阅读(3366) 评论(0) 推荐(0) 编辑
摘要:马尔科夫场基本概念 转自:http://blog.csdn.net/carson2005/article/details/39367481 1、随机过程: 描述某个空间上粒子的随机运动过程的一种方法。它是一连串随机事件动态关系的定量描述。随机过程与其它数学分支,如微分方程、复变函数等有密切联系,是自 阅读全文
posted @ 2018-08-06 12:48 SAP虾客 阅读(516) 评论(0) 推荐(0) 编辑
摘要:KNN算法理解 https://blog.csdn.net/class_brick/article/details/78748014 https://blog.csdn.net/class_brick/article/details/78748014 https://blog.csdn.net/cl 阅读全文
posted @ 2018-08-06 12:46 SAP虾客 阅读(471) 评论(0) 推荐(0) 编辑
摘要:转自:https://www.csdn.net/article/2015-06-05/2824880 LSTM递归神经网络RNN长短期记忆 摘要:根据深度学习三大牛的介绍,LSTM网络已被证明比传统的RNNs更加有效。本文由UCSD研究机器学习理论和应用的博士生Zachary Chase Lipto 阅读全文
posted @ 2018-08-06 12:44 SAP虾客 阅读(433) 评论(0) 推荐(0) 编辑
摘要:https://blog.csdn.net/class_brick/article/details/81170697 要了解python中@装饰器的作用,首先要记住这么几点: 1. 装饰器符号“@”属于语法糖,什么意思呢?就是说,我不按照@装饰器的语法要求来写,而是按照一般python的语法要求来写 阅读全文
posted @ 2018-08-06 12:41 SAP虾客 阅读(241) 评论(0) 推荐(0) 编辑
摘要:极大似然估计思想的最简单解释 https://blog.csdn.net/class_brick/article/details/79724660?from=timeline 极大似然估计法的理解可以从三个角度入手,一个是整体性的思想,然后两个分别是离散状态的极大似然估计和连续状态的极大似然估计的简 阅读全文
posted @ 2018-08-06 12:18 SAP虾客 阅读(1019) 评论(0) 推荐(0) 编辑
摘要:https://blog.csdn.net/class_brick/article/details/79135909 概念 TF-IDF(term frequency–inverse document frequency)是一种用于资讯检索与资讯探勘的常用加权技术。TF-IDF是一种统计方法,用以评 阅读全文
posted @ 2018-08-06 10:02 SAP虾客 阅读(1427) 评论(0) 推荐(0) 编辑
摘要:https://blog.csdn.net/class_brick/article/details/79278029 转自:http://blog.csdn.net/u012965373/article/details/52936875 数学符号及读法大全 常用数学输入符号: ≈ ≡≠= ≤≥ < 阅读全文
posted @ 2018-08-06 10:00 SAP虾客 阅读(4012) 评论(0) 推荐(1) 编辑
摘要:https://blog.csdn.net/class_brick/article/details/79289045 转自:http://www.cnblogs.com/sumuncle/p/6373467.html#3703221 前言:读完本篇文章,自觉醍醐灌顶,矩阵的存在,完美的解释了自然空间 阅读全文
posted @ 2018-08-06 09:58 SAP虾客 阅读(252) 评论(0) 推荐(0) 编辑
摘要:https://blog.csdn.net/class_brick/article/details/79311148 今天的内容有: LSTM 长短时记忆网络(Long Short Term Memory Network, LSTM),是一种改进之后的循环神经网络,可以解决RNN无法处理长距离的依赖 阅读全文
posted @ 2018-08-06 09:55 SAP虾客 阅读(660) 评论(0) 推荐(0) 编辑
摘要:https://blog.csdn.net/class_brick/article/details/78770267 机器学习正在进步,我们似乎正在不断接近我们心中的人工智能目标。语音识别、图像检测、机器翻译、风格迁移等技术已经在我们的实际生活中开始得到了应用,但机器学习的发展仍还在继续,甚至被认为 阅读全文
posted @ 2018-08-06 09:45 SAP虾客 阅读(409) 评论(0) 推荐(0) 编辑
摘要:SAP MM ME57 把PR转成PO 加入P3项目里,笔者负责采购和IM库存管理domain。采购环节里的PR转PO,客户global template里建议使用ME57或者在MD04里做。笔者在项目实践中,很少使用ME57来做,是故好好学习了一下ME57的具体操作。整理了如下的笔记: 如下PR, 阅读全文
posted @ 2018-08-06 08:58 SAP虾客 阅读(3110) 评论(0) 推荐(0) 编辑
摘要:SAP MM PR中的Fixed ID字段与MD04里PR单据号后的星号 如下图是我手工使用ME51N 创建的一个采购申请单据, ​ MD04去看这个PR, ​ 这个PR号码后面有一个*号,代表它是一个被firm了的采购申请。这样看起来PR中的Fixed ID标记与MD04结果中是否在PR后跟一个* 阅读全文
posted @ 2018-08-06 08:57 SAP虾客 阅读(1005) 评论(0) 推荐(0) 编辑
摘要:SAP MM 没有维护MRP 视图的物料可以正常参与采购业务 Material number: R000006872,没有维护MRP 视图, ​ 也就是没有指定该物料来源是采购还是自制。此种情况下,SAP是否不允许为这个物料创建采购单据比如采购申请或者采购订单?答案是肯定的。 ​ 2, 采购订单凭证 阅读全文
posted @ 2018-08-06 08:56 SAP虾客 阅读(734) 评论(0) 推荐(0) 编辑
摘要:采购订单行项目中的deliverydate并非如同其它字段值一样是保存在采购订单行项目表EKPO里的, 而是从EKET表里抓取最早的Delivery Date作为该Item的delivery date。比如该采购订单10行项目有4个delivery schedule lines, Delivery 阅读全文
posted @ 2018-08-06 08:54 SAP虾客 阅读(974) 评论(0) 推荐(0) 编辑
摘要:http://www.cnblogs.com/xing901022/p/7128398.html 用户画像在大数据分析中是一种很有用的系统,它可以各种不同的系统中,起到很关键的作用。比如搜索引擎、推荐系统、内容系统等等,可以帮助应用实现千人千面、个性化、精准等的效果。 下面将从几个方面来说一下,什么 阅读全文
posted @ 2018-08-05 09:00 SAP虾客 阅读(346) 评论(0) 推荐(0) 编辑
摘要:http://www.cnblogs.com/xing901022/p/7545568.html 在电商领域里,搜索是一种最直接的用户消费的场景。每个用户进入一个app,都有自己的一些意图,比如想买鞋子、想买衣服,而且对一些品牌以及颜色风格都有一定的要求。因此搜索对于商品的触达是非常重要的。 我这里 阅读全文
posted @ 2018-08-05 08:59 SAP虾客 阅读(164) 评论(0) 推荐(0) 编辑
摘要:http://www.cnblogs.com/xing901022/p/8398001.html 从事推荐系统已经快一年了,遇到过很多的茫然不知所措,也踩过不少坑,索性把所有推荐的资料都汇总一下,希望给新人以指引,或者给老司机作为归纳总结 如果电子书链接失效,可以私信我 算法基础 博客整理 业界参考 阅读全文
posted @ 2018-08-05 08:58 SAP虾客 阅读(301) 评论(0) 推荐(0) 编辑
摘要:http://www.cnblogs.com/xing901022/p/8418894.html 极大似然估计是概率论中一个很常用的估计方法,在机器学习中的逻辑回归中就是基于它计算的损失函数,因此还是很有必要复习一下它的相关概念的。 背景 先来看看几个小例子: 猎人师傅和徒弟一同去打猎,遇到一只兔子 阅读全文
posted @ 2018-08-05 08:56 SAP虾客 阅读(551) 评论(0) 推荐(0) 编辑
摘要:http://www.cnblogs.com/xing901022/p/9280811.html 机器学习目前已经应用在很多领域,比如网页搜索、垃圾邮件过滤、点击率预测、生物信息、无人驾驶、无人机、手写体识别、自然语言处理、计算机视觉。 更多内容参考 机器学习&深度学习 什么是机器学习 1 机器学习 阅读全文
posted @ 2018-08-05 08:55 SAP虾客 阅读(292) 评论(0) 推荐(0) 编辑
摘要:http://www.cnblogs.com/xing901022/p/9312028.html 更多内容参考 机器学习&深度学习 矩阵的表示 矩阵的索引 向量的表示 矩阵的加法 矩阵与实数的乘法 矩阵的表达式 矩阵与向量的乘法 矩阵与矩阵的乘法 矩阵特性——不满足交换律 矩阵特性——满足结合律 单 阅读全文
posted @ 2018-08-05 08:54 SAP虾客 阅读(190) 评论(0) 推荐(0) 编辑
摘要:http://www.cnblogs.com/xing901022/p/9321045.html 本篇主要讲的是多变量的线性回归,从表达式的构建到矩阵的表示方法,再到损失函数和梯度下降求解方法,再到特征的缩放标准化,梯度下降的自动收敛和学习率调整,特征的常用构造方法、多维融合、高次项、平方根,最后基 阅读全文
posted @ 2018-08-05 08:53 SAP虾客 阅读(244) 评论(0) 推荐(0) 编辑
摘要:http://www.cnblogs.com/xing901022/p/9332529.html 本章主要讲解了逻辑回归相关的问题,比如什么是分类?逻辑回归如何定义损失函数?逻辑回归如何求最优解?如何理解决策边界?如何解决多分类的问题? 更多内容参考 机器学习&深度学习 有的时候我们遇到的问题并不是 阅读全文
posted @ 2018-08-05 08:51 SAP虾客 阅读(222) 评论(0) 推荐(0) 编辑
摘要:http://www.cnblogs.com/xing901022/p/9338467.html 本章讲述了机器学习中如何解决过拟合问题——正则化。讲述了正则化的作用以及在线性回归和逻辑回归是怎么参与到梯度优化中的。 更多内容参考 机器学习&深度学习 在训练过程中,在训练集中有时效果比较差,我们叫做 阅读全文
posted @ 2018-08-05 08:50 SAP虾客 阅读(119) 评论(0) 推荐(0) 编辑
摘要:http://www.cnblogs.com/xing901022/p/9344621.html 本章讲述了神经网络的起源与神经元模型,并且描述了前馈型神经网络的构造。 更多内容参考 机器学习&深度学习 在传统的线性回归或者逻辑回归中,如果特征很多,想要手动组合很多有效的特征是不现实的;而且处理这么 阅读全文
posted @ 2018-08-05 08:48 SAP虾客 阅读(137) 评论(0) 推荐(0) 编辑
摘要:http://www.cnblogs.com/xing901022/p/9350271.html 本篇讲述了神经网络的误差反向传播以及训练一个神经网络模型的流程 更多内容参考 机器学习&深度学习 神经网络可以理解为两个过程:信号的正向传播和误差的反向传播。在正向的传播过程中,计算方法为Sj=wijx 阅读全文
posted @ 2018-08-05 08:45 SAP虾客 阅读(239) 评论(0) 推荐(0) 编辑
摘要:http://www.cnblogs.com/xing901022/p/9417633.html 本章讲了梯度下降的几种方式:batch梯度下降、mini-batch梯度下降、随机梯度下降。也讲解了如何利用mapreduce或者多cpu的思想加速模型的训练。 更多内容参考 机器学习&深度学习 有的时 阅读全文
posted @ 2018-08-05 08:43 SAP虾客 阅读(205) 评论(0) 推荐(0) 编辑
摘要:http://www.cnblogs.com/xing901022/p/9398242.html 本篇介绍了异常点检测相关的知识 更多内容参考 机器学习&深度学习 我感觉这篇整理的很好很用心,可以详细参考: https://blog.csdn.net/Snail_Moved_Slowly/artic 阅读全文
posted @ 2018-08-05 08:41 SAP虾客 阅读(157) 评论(0) 推荐(0) 编辑
摘要:http://www.cnblogs.com/xing901022/p/9356783.html 本篇讲述了在机器学习应用时,如何进行下一步的优化。如训练样本的切分验证?基于交叉验证的参数与特征选择?在训练集与验证集上的学习曲率变化?在高偏差或者高方差时如何进行下一步的优化,增加训练样本是否有效? 阅读全文
posted @ 2018-08-04 20:40 SAP虾客 阅读(218) 评论(0) 推荐(0) 编辑
摘要:http://www.cnblogs.com/xing901022/p/9362339.html 本章主要围绕机器学习的推荐实践过程以及评测指标,一方面告诉我们如何优化我们的模型;另一方面告诉我们对于分类的算法,使用精确率和召回率或者F1值来衡量效果更佳。最后还强调了下,在大部分的机器学习中,训练样 阅读全文
posted @ 2018-08-04 20:39 SAP虾客 阅读(180) 评论(0) 推荐(0) 编辑
摘要:http://www.cnblogs.com/xing901022/p/9368432.html 本章讲述的是第一个无监督的机器学习算法,在无监督的算法中,样本数据只有特征向量,并没有标注的y值。比如聚类算法,它可以用在市场分类、社交网络分析、天体数据分析等等。 更多内容参考 机器学习&深度学习 在 阅读全文
posted @ 2018-08-04 20:38 SAP虾客 阅读(256) 评论(0) 推荐(0) 编辑
摘要:http://www.cnblogs.com/xing901022/p/9374258.html 本章讲述的是一个复杂的机器学习系统,通过它可以看到机器学习的系统是如何组装起来的;另外也说明了一个复杂的流水线系统如何定位瓶颈与分配资源。 更多内容参考 机器学习&深度学习 OCR的问题就是根据图片识别 阅读全文
posted @ 2018-08-04 20:37 SAP虾客 阅读(498) 评论(0) 推荐(0) 编辑
摘要:http://www.cnblogs.com/xing901022/p/9403911.html 本章讲述了推荐系统相关的知识,比如基于内容的推荐算法、基于协同过滤的推荐算法以及实践中遇到的问题。 更多内容参考 机器学习&深度学习 推荐系统是机器学习在工业界应用最广泛的方向,很多电子商务类、咨询类的 阅读全文
posted @ 2018-08-04 20:35 SAP虾客 阅读(211) 评论(0) 推荐(0) 编辑
摘要:https://www.cnblogs.com/xing901022/p/9419806.html 从逻辑回归来看,看损失值与Z的值的关系: 代入原来的是指,可以化简公式: 总结来说:如果y=1,我们希望z的值大于等于1,如果y=0,我们希望z的值小于-1,这样损失函数的值都会为0. 线性可分的决策 阅读全文
posted @ 2018-08-04 20:32 SAP虾客 阅读(173) 评论(0) 推荐(0) 编辑
摘要:http://www.cnblogs.com/xing901022/p/9392518.html 降维的作用:数据压缩与可视化 降维的第一个作用就是进行数据的压缩,解决磁盘和计算的问题。比如把二维数据降维到一维: 或者数据从三维降维到2维。 降维的另一个作用就是进行可视化,比如我们的数据有很多维度, 阅读全文
posted @ 2018-08-04 20:30 SAP虾客 阅读(357) 评论(0) 推荐(0) 编辑
摘要:SAP MM 无价值物料管理的一种实现思路 笔者所在的项目,客户工厂处于先期试生产阶段,尚未开始大规模的商业化生产,但是这并不影响客户集团总部的SAP项目实施。笔者于7月初加入该工厂的第2期SAP项目,担任SAP MM顾问。 客户工厂有数百个生产性的物料,包括一些原辅料,包材。之前由于财务部门的预算 阅读全文
posted @ 2018-08-04 20:23 SAP虾客 阅读(2453) 评论(0) 推荐(1) 编辑

点击右上角即可分享
微信分享提示