要学什么，就学什么。<br><br>要学算法，就学算法，遇到数学问题，就查，就问，不要分心。<br><br>要参加英文面试，就练习英文面试，别背单词，别练阅读，也不用管面试中说不到的话题。<br><br>要做什么，就准备什么。宁可简单粗暴，不要曲线救国。摊子铺大了，目标就模糊了，效率低，反馈慢，渐渐的就兜不回来了。
发简信
IP属地：北京
-
如何优雅地使用Sublime Text3Sublime Text：一款具有代码高亮、语法提示、自动完成且反应快速的编辑器软件，不仅具有华丽的界面，还支持插件扩展机制，用她来写代码，绝对是一种享受。相比于难于上手的V...
-
Mac OSX 正确地同时安装Python 2.7 和Python3Mac OSX 正确地同时安装Python 2.7 和Python3 ABOUT 6 MINUTES TO READ/11/29/2015/CANDY TSAI/0 COMM...
-
资源 | 数十种TensorFlow实现案例汇集：代码+笔记
这是使用 TensorFlow 实现流行的机器学习算法的教程汇集。本汇集的目标是让读者可以轻松通过案例深入 TensorFlow。 这些案例适合那些想要清晰简明的 Tenso...
-
越努力 越幸运<br>
-
什么是 Dropout为了应对神经网络很容易过拟合的问题，2014年 Hinton 提出了一个神器，**Dropout: A Simple Way to Prevent Neural Networ...
-
【机器学习基础】生成模型和判别模型
引入 监督学习的任务就是学习一个模型（或者得到一个目标函数）,应用这一模型，对给定的输入预测相应的输出。这一模型的一般形式为一个决策函数Y=f(X)，或者条件概率分布P(Y|...
-
理解 LSTM 网络作者： Christopher Olah （OpenAI）译者：朱小虎 Xiaohu (Neil) Zhu（CSAGI / University AI）原文链接：https:...
-
朱小虎 Neil Zhu，University AI / CSAGI 创始人
-
自然语言处理
-
该专题是机器学习、推荐系统和自然语言处理、深度学习相关算法学习记录，用通俗的语言去理解算法，去朴实的文字记录每次前行，每个算法力争说清缘由，且尝试实现或者使用开源库进行。机器学习忍者在路上……
-
关于命名实体识别算法概论对于命名实体识别，我们一般是以下两种方法： 一般来说,基于规则的方法识别性能要优于基于统计的方法约2%左右,这是由于手写规则捕获命名实体重要特征的能力比当前的机器学习方法强。...
-
命名实体识别算法综述
前言：马儿可夫链：一种无后效性的随即过程，对于一个系统，由一个状态转移到另一个状态，存在转移概率，这种转移概率可以根据其前一种状态而推算出来，与该系统原始状态和此次转移前的马...
