1. 回顾与引入
上节课我们聊到了机器学习的概念和基本要素。现在，让我们把时光机开回过去，看看机器学习是如何一步步走到今天的。
2. 机器学习的起源
机器学习的起源可以追溯到20世纪50年代，那时人工智能刚刚萌芽。当时的研究重点是逻辑推理和启发式搜索，还有那些能做出决策的专家系统。你可以想象那时候的计算机就像是刚学会走路的小孩，还在摸索着前进。
2025年05月12日
上节课我们聊到了机器学习的概念和基本要素。现在，让我们把时光机开回过去，看看机器学习是如何一步步走到今天的。
机器学习的起源可以追溯到20世纪50年代，那时人工智能刚刚萌芽。当时的研究重点是逻辑推理和启发式搜索，还有那些能做出决策的专家系统。你可以想象那时候的计算机就像是刚学会走路的小孩，还在摸索着前进。
2025年05月12日
原文来源：Towards Data Science
作者：Stefan Hosein
「雷克世界」编译：嗯~是阿童木呀、KABUDA
导语：大家都知道，自从生成式对抗网络（GAN）出现以来，便在图像处理方面有着广泛的应用。但还是有很多人对于GAN不是很了解，担心由于没有数学知识底蕴而学不会GAN。在本文中，谷歌研究员Stefan Hosein提供了一份初学者入门GAN的教程，在这份教程中，即使你没有拥有深厚的数学知识，你也能够了解什么是生成式对抗网络（GAN）。并且在阅读完这篇文章之后，你将学会如何编写一个可以创建数字的简单GAN！
2025年05月12日
Focal loss自从提出后，很多目标检测框架都采用了focal loss，那么它优秀在哪里呢？我们今天一起来看看这篇何凯明大神的paper。首先是这篇文章的motivation，这篇文章是为了解决样本类别不平衡问题提出的一个方法，在这篇文章前的解决此问题的方法有些过于复杂，有些仅仅是简单重采样方法，效果对于参数的选择有些许敏感等，因此提出了该方法。
我们可以先了解一下目标检测中的两种不平衡问题：
2025年05月12日
在深度学习中，对数似然梯度是一种常用的优化方法，用于最小化损失函数。它通过计算损失函数相对于模型参数的梯度，来更新模型参数，以使损失函数最小化。
对数似然梯度的计算可以通过反向传播算法来实现。反向传播算法是一种计算梯度的方法，它利用链式法则将梯度从输出层向输入层传播。具体来说，对于每个参数，反向传播算法计算其对应的梯度，并将其用于参数的更新。
2025年05月12日
逻辑回归（Logistic Regression）是一种广泛应用于分类任务的机器学习算法，下面这篇是笔者整理分享的关于逻辑回归算法的入门教程文章，对此感兴趣的同学可以进来看看了解更多呀！
逻辑回归算法是机器学习中的一位“老司机”，尽管名字里有“回归”，但它却是个不折不扣的分类高手。
2025年05月12日
图：pixabay
原文来源：machinelearningmastery
作者：Jason Brownlee
「机器人圈」编译：嗯~阿童木呀、多啦A亮
不知道在训练模型的过程中，你有没有遇到这样一个问题，很难确定你的长短期记忆网络模型是否在序列问题上表现良好。
也许在模型技能上你会获得一个不错的分数，但是更为重要的是，要知道你的模型是否与你的数据拟合良好，或者欠拟合，或者过度拟合，以及是否能够在不同的配置中做得更好。
2025年05月11日
Consul 是 HashiCorp 开发的一款分布式服务网格工具，专注于服务发现、配置管理和服务治理。其服务治理能力主要通过以下核心机制实现：
1. 服务发现与健康检查
2025年05月11日
这一次我们继续介绍微服务相关组件配置中心的使用方法。本来打算介绍下携程开源的重型配置中心框架 apollo 但是体系实在是太过于庞大，还是让我爱不起来。因为前面我们已经介绍了使用