Django 新建项目全流程 文本希望根据Django作为框架,前端利用Vue来实现个人博客网站的开发 作为一个外行人看专门的Django的书本会被一些基础知识所拖累,比如HTML中的一些基本概念,然而抛去细节,用自己的方式来完成一个比较难的(难度不会特别高,但是又会比官方教程学习)的多一些,这可能是本教程的意义在此 0x00 基础知识网站上是后端服务器生成视频、文字、图片、数字等等数据,通过HTTPS或者各种网络通信协议来传 2024-04-29 计算机科学 #Django #网站开发
CS229机器学习 实验设计 | Vol5 非常喜欢《机器学习导论》中关于感知器的一句话:“神经网络的目的不是为了研究人脑的内部结构和运行机理,而仅仅是模仿来作为一个学习罢了”,通过这句话可以看出机器学习作为一门工程类的学科,本质目的还是为了寻找一种好的方法,在此过程中就要思考需要用什么样的标准来评价好坏?这是一个曾经观察高中物理、高中化学、高中生物中的实验科学,更进一步,我们更有着统计的知识来指导我们更近一步地正确设计实验。 0x01 引 2024-04-29 算法基础 > 数据科学 #机器学习 #CS229
CS229机器学习 决策树 | Vol4 之前《机器学习》选修课被大佬手撕决策树算法给震撼了,因为之前从来没有尝试过数学和代码的角度来看待算法,不过寒假静下来,可以看出作为基模型运用到很多递归、贪心中的思想,写出来发现难度并没有那么大! 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555 2024-04-29 算法基础 > 数据科学 #机器学习 #CS229
CS229机器学习 参数方法和非参数方法 | Vol3 Andrew Wu–番外参数方法和非参数方法blog.tjdata.site/2022/02/13/Andrew%20Wu–%E7%95%AA%E5%A4%96%E5%8F%82%E6%95%B0%E6%96%B9%E6%B3%95%E5%92%8C%E9%9D%9E%E5%8F%82%E6%95%B0%E6%96%B9%E6%B3%95/ [An 2024-04-29 算法基础 > 数据科学 #机器学习 #CS229
奇文共赏-复杂场景的密集人群计数 之前创新项目中文献综述在选修课作业中完善,同时借鉴经典综述文章,完成一篇中文“四不像”,就当是杂谈了 摘要:复杂场景的密集人群计数在治安防控、交通管制、集会管理等方面起到重要的作用,可以为管理者提供有效及时的信息。从21篇中文文献和43篇英文文献中总结出密集人群计数中面临的主要问题有:拥挤、遮挡、重复和复杂光照环境带来的影响,并从传统的基于手工提取特征的密集计数到基于卷积神经网络的高级特征提取 2024-04-29 交通工程 #本科国创
CS229机器学习 SVM | vol2 讨论一种不同的线性分类和回归方法,每种学习算法都具有不同的归纳偏倚,做不同的假设,定义不同的目标函数,因此可能找到不同的模型 Support Vector Machine 0x01 引言支持向量机使用Vapnik原则 不要在解决实际问题之前把解决一个更复杂的问题作为第一步(vapnik,1995) 训练后,线性模型的参数(权重向量)可以用训练集的一个子集表示,这个子集称为支持向量suppo 2024-04-29 算法基础 > 数据科学 #机器学习 #CS229
CS229机器学习广义线性模型 | vol1 根据Andrew wu 机器学习的监督学习的第一部分总结 0x01 引言机器学习的定义: 对于某类任务task和性能度量performance,如果一个计算机程序在task上以performance衡量的性能随着经验experience而自我完善,那么我们称这个计算机程序在从experience中学习 机器学习的方法在不同领域中以不同的方式逐渐发展到共通的状态,从统计学习中从特殊到一般的inf 2024-04-29 算法基础 > 数据科学 #机器学习 #CS229
Mitchell 机器学习读后反思 ✈️ 任何错误联系📮:[email protected] 书籍的相关基本信息如下👇,我所读的版本的出版年份2009.06,从时间上来看里面的内容相对比较传统, 机器学习导论(原书第2版)book.douban.com/subject/25881740/ 从中也可以看出作者对于机器学习的一些理解,作者从监督学习、贝叶斯决策理论、参数方法、多元方法、 2024-04-29 算法基础 #机器学习 #Mitchell
Mitchell 机器学习读后感 ✈️ 讨论机器学习在统计学、模式识别、神经网络、人工智能、信号处理等不同领域的应用,主要内容包括监督学习、贝叶斯决策理论、参数方法、多元方法、维度规约、非参数方法、决策树、线性判别式、多层感知器、隐马尔可夫、组合多学习期以及增强学习等 https://book.douban.com/subject/25881740/book.douban.com/subject/25881740/ [机器学 2024-04-29 算法基础 #机器学习 #Mitchell
阅读introduction to algorithms顺序 一下是原文地址 ,仅翻译其中的英文部分,供参考,这是目录 如何正确地撸《算法导论》?1562 赞同 · 43 评论回答 第一章 作为兴趣阅读,可以跳过 第二章 2.1 insertion sort ,这是最基础的内容,实际上最好可以了解所有主要的排序算法 2.2 Analysis of Algorithms 除了导言部分都需要知道 2.3 Designing Algorithms 包含merge 2024-04-29 程序设计 #算法导论