1.人工智能基础知识速成机器学习和深度学习作为人工智能技术的重要分支,已经在各个领域展现出了巨大的潜力和价值。随着数据量的不断增加和算法的不断改进,相信机器学习和深度学习在未来会有更广泛和更深远的应用。希望通过本文的介绍,读者能对机器学习和深度学习有一个更全面和深入的理解。https://www.jianshu.com/p/90fcb8dc2b95

2.深度学习流程介绍&&个人理解(持续更新)本人假期正在参加ICARCV-2024轮胎检测赛时有幸需要系统了解深度学习,所以本文章会不定期进行修改,以达到真正的通俗易懂,相较于其他教程,本文章更多的是以一种我们普通大学生能看懂的文字去介绍,去体会深度学习到底是怎么实现的。所以理论部分会很少甚至没有。 https://blog.csdn.net/w13843571755/article/details/140724992

3.GitHub机器学习与深度学习书单 深度学习基础 快速入门 深度学习思维导图 && 深度学习算法地图 《斯坦福大学深度学习基础教程》 Andrew Ng(吴恩达) 深度学习 吴恩达 个人笔记 && 视频 MIT深度学习基础-2019视频课程 台湾大学(NTU)李宏毅教授课程 && [leeml-notes 图解深度学习_Grokking-Deep-Learning 《神经网络与深度学习》 https://github.com/Mikoto10032/DeepLearning

4.语义分割预测图可视化语义分割入门教程语义分割预测图可视化 语义分割入门教程 本文内容概述王博Kings最近的语义分割学习笔记总结 引言:最近自动驾驶项目需要学习一些语义分割的内容,所以看了看论文和视频做了一个简单的总结。笔记思路是:机器学习-->>深度学习-->>语义分割 目录: 机器学习回顾 深度学习回顾https://blog.51cto.com/u_16213720/10902164

5.人工智能新手入门学习路线和学习资源合集(含python/机器学习/深度学1. 分享个人对于人工智能领域的算法综述:如果你想开始学习算法,不妨先了解人工智能有哪些方向? 1.1 机器学习综述 1.2 深度学习综述 1.3 强化学习综述 1.4 知识图谱综述 1.5 对接其他前沿技术 2. 分享个人对于新手入门学习路线和学习资源的推荐 2.1python编程学习路线及笔记 https://www.cnblogs.com/zhengzhicong/p/12670260.html

6.PyTorchGeometric(PyG)入门教程简介:PyTorch Geometric是PyTorch1的几何图形学深度学习扩展库。本文旨在通过介绍PyTorch Geometric(PyG)中常用的方法等内容,为新手提供一个PyG的入门教程。 1. 可视化 一个教程中提供的可视化函数visualize() %matplotlib inlineimport torchimport networkx as nximport matplotlib.pyplot as plt# Visualization function fohttps://developer.aliyun.com/article/1053877

7.写给程序员的机器学习入门(一)从基础说起前段时间因为店铺不能开门,我花了一些空余时间看了很多机器学习相关的资料,我发现目前的机器学习入门大多要不门槛比较高,要不过于着重使用而忽视基础原理,所以我决定开一个新的系列针对程序员讲讲机器学习。这个系列会从机器学习的基础原理开始一直讲到如何应用,看懂这个系列需要一定的编程知识(主要会使用 python 语言),https://www.flyai.com/article/866

8.2024最简单的入门的!深度学习怎么入门?李沐说“动手学就是了”【从放弃到精通】目标追踪—计算机博士精讲卡尔曼滤波算法教程 卡尔曼滤波从理论到实践(深度学习/计算机视觉/物体检测/目标跟踪/AI) 6764 46 18:59:14 App 花了3万多买的AI大模型全套课程(2025最新版)LLM+RAG系统+GPT-4o+OpenAI,全部都讲明白了!!入门到精通,通俗易懂! 1.7万 73 30:40:27 App 这绝对是https://m.bilibili.com/video/BV13G6NYrEnc

9.深度学习算法简介深度学习算法是什么深度学习算法有哪些深度学习算法有哪些? 作为一种现代化、前沿化的技术,深度学习已经在很多领域得到了广泛的应用,其能够不断地从数据中提取最基本的特征,从而对大量的信息进行机器学习。深度学习算法作为其中的重要组成部分,不仅可以为诸如人工智能、图像识别以及自然语言处理等领域提供支持,同时也受到了越来越多的关注和研究。在本文中,https://m.elecfans.com/article/2216210.html

10.斯坦福大学深度学习基础教程.pdf全文免费斯坦福大学深度学习基础教程.pdf,Deep Learning - Ng UFLDL教程 From Ufldl 说明:本教程将阐述无监督特征学习和深入学习的主要观点。通过学习,你也将实现多个功能 学习/深度学习算法,能看到它们为你工作,并学习如何应用/适应这些想法到新问题上。 本教程假定机器学习的https://max.book118.com/html/2019/0408/7116031002002020.shtm

11.科学网—Python深度学习进阶应用丨注意力机制Transformer模型(BERT、GPT-1/2/3/3.5/4、DETR、ViT、Swin Transformer等)、生成式模型(变分自编码器VAE、生成式对抗网络GAN、扩散模型Diffusion Model等)、目标检测算法(R-CNN、Fast R-CNN、Faster R-CNN、YOLO、SDD等)、图神经网络(GCN、GAT、GIN等)、强化学习(Q-Learning、DQN等)、深度学习模型可解释性与可视化方法(CAMhttps://wap.sciencenet.cn/blog-3539141-1406894.html

12.深度学习教程:一文带你看懂人脸检测常用算法我们将整个人脸检测算法分为3个阶段,分别是早期算法,AdaBoost框架,以及深度学习时代,在接下来将分这几部分进行介绍。 早期的人脸检测算法使用了模板匹配技术,即用一个人脸模板图像与被检测图像中的各个位置进行匹配,确定这个位置处是否有人脸;此后机器学习算法被用于该问题,包括神经网络,支持向量机等。以上都是针对图像http://www.360doc.com/content/18/0819/13/11935121_779442485.shtml

13.2册深度学习框架PyTorch基础入门深度强化学习常用算法模型当当陕西尚居苑图书专营店在线销售正版《强化学习 第2版+白话强化学习与PyTorch 2册 深度学习框架PyTorch基础入门 深度强化学习常用算法模型 人工智能机器学习教程图》。最新《强化学习 第2版+白话强化学习与PyTorch 2册 深度学习框架PyTorch基础入门 深度强化学习常用算法http://product.dangdang.com/11140707832.html?point=comment_point

14.构造读取调试,带你系统探究ONNX模型腾讯云开发者社区模型部署入门系列教程持续更新啦!在前两期教程中,我们学习了PyTorch 模型转 ONNX 模型的方法,了解了如何在原生算子表达能力不足时,为 PyTorch 或 ONNX 自定义算子。一直以来,我们都是通过 PyTorch 来导出 ONNX 模型的,基本没有单独探究过 ONNX 模型的构造知识。 https://cloud.tencent.com/developer/article/2010635

15.统计学习方法(豆瓣)喜欢读"统计学习方法"的人也喜欢· ··· 利用Python进行数据分析8.6 数学之美8.7 集体智慧编程9.0 凸优化9.4 R语言实战8.8 Machine Learning9.1 统计自然语言处理(第2版)8.6 动手学深度学习9.2 数据科学实战8.0 算法导论(原书第3版)9.3 当前版本有售· ··· 得到 9.90https://book.douban.com/subject/10590856/

16.如何选择机器学习算法教程 生成模型 Python 入门(第 1 天) 训练和部署图像分类 构建训练管道 (Python) 与Azure 机器学习交互 处理数据 自动化机器学习 训练模型 使用基础模型 负责任地开发和监视 使用管道协调工作流 概述 设计器(拖放 ML) 什么是设计器 算法备忘单 如何选择算法 https://docs.microsoft.com/zh-cn/azure/machine-learning/studio/algorithm-choice

17.深度学习:卷积神经网络从入门到精通带目录完整pdf[92MB]电子书下本书专注讨论深度学习中应用非常广泛的模型——卷积神经网络,该模型特别适用于图像分类和识别、目标分割和检测以及人工智能游戏方面,受众对象包括计算机、自动化、信号处理、机电工程、应用数学等相关专业的研究生、教师以及算法工程师和科研工作者。本书的最大特色是对卷积神经网络进行由浅入深的分类描述,依次包括:现代雏https://www.jb51.net/books/684151.html