研究機器人時，使機器人能夠應對環境、傳感器、執行機構、內部模型、近似算法等所帶來的不確定性是必須面對的問題。 概率機器人在slam領域被推薦，內容也很充實，對概率機器人學這一新興領域進行了全面的介紹。概率機器人學依賴統計技術表示信息和進行決策，以容納當今大多數機器人應用中必然存在的不確定性 ...

近年來，Python語言成為了廣受歡迎的編程語言，而它在機器學習領域也有很好的表現。scikit-learn是一個用Python語言編寫的機器學習算法庫，它可以實現一系列常用的機器學習算法，是一個好工具。從感知機到人工神經網絡，非線性決策邊界，前饋人工神經網絡和反饋人工神經網絡，多層感知機，訓練 ...

概要 從開始寫博客到現在已經學完三個章節了，普林斯頓微積分確實是一本適合時不時回過頭來翻閱的書，這本書應該說很好懂，里面也僅僅包含了單變量微積分的內容，但它里面的語言體系確實是非常出色的，有助於初學者快速建立起關於高等數學的一些基本概念。俗話說得好，實踐出真知，學好數學不是一定要做題目，但一定 ...

探索機器學習，使用Scikit-Learn全程跟蹤一個機器學習項目的例子；探索各種訓練模型；使用TensorFlow庫構建和訓練神經網絡，深入神經網絡架構，包括卷積神經網絡、循環神經網絡和深度強化學習，學習可用於訓練和縮放深度神經網絡的技術。 主要分為兩個部分。第一部分為第1章到第8章，涵蓋 ...

人工智能學習過程中必須掌握線性代數、微積分、概率論、優化理論等知識，在優化方面感覺《凸優化》翻譯得很好，是原理和應用的一個很好的折中，兩方面都有太多值得深挖的東西。 機器學習會涉及到優化內容，凸優化內容非常豐富。理論部分不僅涵蓋了凸優化的所有基本概念和主要結果，還詳細介紹了幾類基本的凸優化問題 ...

我雖然很喜歡模式識別和機器學習，但我暫時並不希望在這上面做深入的研究，只想把別人研究好的成熟的理論用在計算機視覺任務上。比如SVM，Adaboost，EM，朴素貝葉斯，K近鄰，決策樹等等。能夠知道每種算法的原理，而並不想深究其實現過程以及理論證明。比如SVM，我想知道的是這種算法如何實現分類 ...

機器學習是人工智能研究領域中一個極其重要的研究方向，在現今的大數據時代背景下，捕獲數據並從中萃取有價值的信息或模式，成為各行業求生存、謀發展的決定性手段，這使得這一過去為分析師和數學家所專屬的研究領域越來越為人們所矚目。 入門建議參考《機器學習實戰》，分為4個部分，分別是分類（有監督學習，包括 ...

Python之所以流行，原因在於 語言本身優美，表達力強。適合做快速原型開發。且學習曲線平坦，上手快。Python的庫比較龐大，需要一本書來梳理一下，最好是按庫的功能來粗略地分類，方便我們通過目錄快速查閱。而Python3標准庫全文1000+頁，一共19章，每一章都是按照一個主題來介紹相關的庫 ...