第一章：介绍机器学习研究的总体思路，发展历史与关键问题； 第二章：介绍线性模型，包括线性预测模型，线性分类模型和线性高斯概率模型； 第三章：介绍神经网络的基础知识、基础结构和训练方法； 第四章：介绍深度神经网络的基础方法和最新进展； 第五章：介绍核方法，特别是支持向量机模型； 第六章：介绍图模型的基本概念和基于图模型的学习和推理方法； 第七章：介绍无监督学习方法，特别是各种聚类方法和流形学习； 第八章：介绍非参数贝斯模型，重点关注高斯过程和狄利克雷过程； 第九章：介绍遗传算法、遗传编程、群体学习等演化学习方法； 第十章：介绍强化学习，包括基础算法及近年来兴起的深度强化学习方法； 第十一章：介绍各种数值优化方法。

计算机视觉注释工具（CVAT） CVAT是用于计算机视觉的免费，在线，交互式视频和图像注释工具。 我们的团队正在使用它来注释数百万个具有不同属性的对象。 许多UI和UX决策都是基于专业数据注释团队的反馈。 在线尝试 。 文献资料 截屏 支持的注释格式 单击“上传注释”和“转储注释”按钮后，可以选择格式。 数据集框架允许通过其命令行工具和Python库进行其他数据集转换。 有关支持的格式的更多信息，请参阅。 注释格式 进口 出口 X X X X X X X 分割蒙版 X X X X X X X X X X X X X X X X 用于自动标记的深度学习模型

决策算法在许多不同的应用中被使用。传统的设计决策算法的方法采用原则和简化的建模，在此基础上，人们可以通过易于处理的优化来确定决策。最近，深度学习方法正在变得越来越流行，这种方法使用从数据调整的高度参数架构，而不依赖于数学模型。基于模型的优化和以数据为中心的深度学习通常被认为是不同的学科。在这里，我们将它们描述为一个在特异性和参数化方面不断变化的连续光谱的边缘，并为位于这个光谱中间的方法提供一个教程式的展示，称为基于模型的深度学习。在我们的演示中，我们还附带了超分辨率和随机控制方面的运行示例，并展示了如何使用所提供的特性和每种详细方法来表示它们。将基于模型的优化和深度学习结合在一起，在生物医学成像和数字通信等各种应用中使用实验结果，证明了这种结合的好处。

e-learning与知识管理概述.

3dgan-chainer 3D生成对抗网络的Chainer实现。 结果 一些好的样品产生了椅子。 （50纪元） python generate_samples.py result/trained_models/Generator_50epoch.npz 要求 链接器（2.0.1） 科学的 scikit图像 h5py pip install scipy scikit-image h5py 可选的 如果要绘制体素，则需要 。 截至2017年10月19日，未发行版本的matplotlib仅包含功能 matplotlib 2.1.0 + 323.ge6448bafc pip install git+https://github.com/matplotlib/matplotlib 数据集 我使用了ShapeNet-v2数据集。 培训脚本支持.binbox或.h5扩展名。 描述你的数据集路径DATASET_PATH在train.py 。 .binvox 只需在ShapeNet-v2中使用.binvox文件

AI游戏 use AI to play some games. You can star this repository to keep track of the project if it's helpful for you, thank you for your support. 内容 名称 实施算法的数量 码 用中文（表达 AISnake 2 AI贪吃蛇 车手 1个 AI俄罗斯方块 五子棋 1个 AI五子棋 AITRexRush 3 AIChrome浏览器小恐龙游戏 爱庞 1个 AI乒乓球 AIPianoTiles 1个 AI别再踩白块了 艾帕克曼 1个 AI吃豆人 AIFlappyBird 2 AI飞扬的小鸟 更多 微信公众号 查尔斯·皮卡丘

汽车价格预测-高度线性预测项目：一种线性回归模型，用于预测美国市场的汽车价格，以帮助新进入者了解美国汽车行业的重要定价变量。 高度全面的分析，详细说明所有步骤； 数据清理，探索，可视化，特征选择，模型构建，评估和MLR假设有效性

基于方面的情感分析 给定句子中的某个方面字词，预测该方面字词的情感标签 该项目的所有详细信息都可以在找到 MemNet代码是

具有手工特征设计的音频隐写分析（统计机器学习） 基于统计机器学习算法的音频隐写分析。 // @作者： @电子邮件： 希望我们能有一个愉快的沟通。 该项目是我们最近基于统计机器学习进行音频隐写分析的工作的实现，您还可以通过该平台设计自己的算法。 档案 ID 文件 功能 1个 应用 音频隐写分析和隐写发现 2 batch_script 所有批处理脚本，用于特征提取，培训，测试等 3 数据处理 用于QMDCT系数提取和数据集构建的工具 4 feature_extract 用于特征提取的脚本（ADOTP，MDI2，I2C，D2MA，JPBC，共存） 5 情节 图脚本 6 tra

眼网 机器学习算法框架（SVM + DNN）已在CompBio 2018的ICML-IJCAI研讨会上接受 EyeNet包含用于医学信息学和机器学习研究的机器学习模型和疾病标签 参考 如果您觉得这对您的工作有用，请考虑引用以下参考资料： @article{yang2018novel, title={A Novel Hybrid Machine Learning Model for Auto-Classification of Retinal Diseases}, author={Yang, C-H Huck and Huang, Jia-Hong and Liu, Fangyu and Chiu, Fang-Yi and Gao, Mengya and Lyu, Weifeng and Tegner, Jesper and others}, journal={arXiv