摘要：
STEAM是Science，technology， engineering，art，math的跨学科教育理念的简写，兴起于美国，近几年在中国逐渐流行。STEAM教育通过跨学科教育方式培养创新型复合人才，对于提升孩子的问题解决能力、创新思维、创造能力、具有十分重要的意义。在知识经济时代，教育目标之一就 阅读全文
摘要：
第一节课是一个课程的介绍，没有涉及太多的知识方面的内容。 因为小艾已经有了很长时间的在NLP入门阶段跌跌撞撞了，所以对于为什么人类语言难以理解，已经有了比较深刻的认识，所以第一课没有做笔记，很快看完了，只留存了两张截图。 正式第一讲：Word Vector（Skip-Gram model） 这一讲主 阅读全文
摘要：
【整理向】 19世纪60年代最早:基于模板和规则 19世纪90年代:基于检索(IR)匹配 从问题中提取关键词,根据关键词在文本库中搜索相关文档,并进行降序排序,然后从文档中提取答案. 主要模型有: 单轮:DSSM,CLSM 多轮:Multi-Viem,DAM(state-of-art),Memory 阅读全文
摘要：
主要序列转导模型基于包括编码器（encoder）和解码器（decoder）的复杂递归或卷积神经网络。 性能最佳的模型还通过注意机制连接编码器和解码器。 我们提出了一种新的简单网络架构，Transformer，完全基于注意机制，完全免除递归和卷积。 两个机器翻译任务的实验表明，这些模型质量优越，同时可以更加并行化，并且需要更少的时间进行训练。我们的模型在WMT 2014英语 - 德语翻译任务中达到28.4BLEU，超过现有的最佳成绩，包括集成，超过2 BLEU。在WMT 2014英语到法语翻译任务中，我们的模型在8个GPU上训练3.5天后，建立了一个新的单模型最新BLEU分数41.8，这是最好的训练成本的一小部分文献中的模型。 阅读全文
摘要：
摘要 我们提出了一种新的称为BERT的语言表示模型，BERT代表来自Transformer的双向编码器表示（Bidirectional Encoder Representations from Transformers）。不同于最近的语言表示模型（Peters et al., 2018，Radfor 阅读全文
摘要：
摘要 我们提出了一种新的目标检测方法YOLO。与以前关于目标检测的工作重新设置分类器来执行检测的方法不同，我们将目标检测作为回归问题，构建空间上分离的边界框和相关的类别概率。单个神经网络在一次评估中直接从完整图像预测边界框和类别概率。由于整个检测流程是单一网络，因此可以直接在检测性能上进行端到端的优 阅读全文
摘要：
第12课 神经网络训练细节part1（下） 用高斯分布初始化相关参数，然后乘以权值0.01，称为高斯分布初始化。本节中我们着重关注隐藏层中的神经元会如何激活，将均差和标准差绘制成柱状图。 使用高斯分布的数据，让他们与w参数相乘，然后通过激活函数。最终所有的数据都将坍缩到0。而在我们反向传播时要求x的 阅读全文
摘要：
第9课 反向传播与神经网络初步 上一节课讲到了评价函数，了解了损失函数。损失函数有两部分组成，数据损失和正则化损失。我们要做的是对损失函数进行优化操作。 计算梯度的方法有两种： 数值梯度：写起来容易，但运算慢 解析梯度：（微积分运算得到）运算快，但有时会出错，所以要进行梯度检查的操作。 强调，在处理 阅读全文
摘要：
版本问题 *检测安装版本 conda --version conda -V *升级版本 conda update conda 环境问题 *创建一个新环境 conda create -n python3 创建环境的命令为conda create -n env-name [list of package 阅读全文
摘要：
The future of computing and wisdom: Insights from Human–Computer Interaction Daniel Sapiens Pargman Elina Eriksson Oliver Bates , Ben Kirman , Rob Com 阅读全文