聊聊語音識別的發(fā)展歷程

說說重要的貝葉斯公式吧

我對入門深度學習的切身體會

聊聊隱馬爾科夫模型（HMM）

關(guān)于防止過擬合的一些想法

我與數(shù)據(jù)打交道（一）

我與數(shù)據(jù)打交道（二）

我與數(shù)據(jù)打交道（三）

我所理解的深度學習（一）——BP圖模型算法

我所理解的深度學習（二）——卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)

我所理解的深度學習（三）——卷積神經(jīng)網(wǎng)絡(luò)應用①

【AD1】有哪些基本的排序算法

【AD2】聊聊組合與排列

【AD3】一個算法問題的三種思考方式

我所理解的深度學習（四）——卷積神經(jīng)網(wǎng)絡(luò)應用②

【AD4】再敘快排

【AD5】什么是自平衡二叉查找樹

分析堆排序

【AD6】如何進行歸并排序

我對GMM的理解（一）

我對GMM的理解（二）

我對隨機梯度下降的理解（一）

我對隨機梯度下降的理解（二）

如何評價一個機器學習模型

K-最近鄰算法的應用

樸素貝葉斯（Naive Bayes）

決策樹（Decision Tree）

Bagging,Random Forests以及Boosting

K-Means集群算法

我對推薦系統(tǒng)的理解

RNN-maxout+VGG+LSTM組合模型用于聲學建模

語言模型之N-gram

如何評價一個語言模型（LM）

時序分類算法之Connectionist Temporal Classification（CTC）

我對動態(tài)規(guī)劃算法的理解（一）

我對動態(tài)規(guī)劃算法的理解（二）

我對動態(tài)規(guī)劃的理解（三）

RL（一）——馬爾科夫決策過程

基于強化學習開發(fā)人機對弈五子棋游戲

n-Armed Bandit Problem（一）

TensorFlow(一)——基礎(chǔ)圖模型

TensorFlow(二)——邏輯回歸

n-Armed Bandit Problem（二）

什么是對抗式生成網(wǎng)絡(luò)

TensorFlow(三)——卷積神經(jīng)網(wǎng)絡(luò)用于手寫字識別

資源匯總|如何成為一名數(shù)據(jù)科學家

TensorFlow(四)——構(gòu)建自動編碼器用于數(shù)據(jù)壓縮及復原

Prisma修圖軟件的圖片風格轉(zhuǎn)換算法

深度殘差學習框架（Deep Residual Learning）

TensorFlow(五)——構(gòu)建深度殘差學習網(wǎng)絡(luò)

如何計算字符串編輯距離

微軟2016年最新語音識別系統(tǒng)

基于注意力模型的TIMIT語音識別系統(tǒng)

models/autoencoder源碼閱讀（一）

models/autoencoder源碼閱讀（二）

models/autoencoder源碼閱讀（三）

運用Res-GRU神經(jīng)網(wǎng)絡(luò)進行圖片壓縮

如何用神經(jīng)網(wǎng)絡(luò)進行圖片無損壓縮

從頭寫一個朋友圈紅包圖片

Tensorflow|如何保存或?qū)胗柧毢玫哪Ｐ?/p>

如何理解機器學習中的bias與variance

如何計算語音識別中的字母錯誤率

如何用Git同步兩臺電腦

漫談RNN之基本概念

深度殘差學習框架（續(xù)）

漫談RNN之訓練方法

漫談RNN之梯度消失及梯度爆炸

漫談RNN之長短期記憶模型LSTM

漫談RNN之長短期記憶模型LSTM（續(xù)）

漫談RNN之序列建模（機器翻譯篇）

漫談RNN之序列建模（機器造句篇）

漫談RNN之序列建模（機器說圖篇）