全部 人工智能學(xué)科動(dòng)態(tài) 人工智能技術(shù)資訊 人工智能常見問題 技術(shù)問答

• • 

    概率和似然有什么區(qū)別?

    概率和似然都是指可能性，但在統(tǒng)計(jì)學(xué)中，概率和似然有截然不同的用法。 查看全文>>

    人工智能常見問題2020-09-21 |傳智播客 |概率和似然有什么區(qū)別

  • 

    KNN和k-means聚類有什么不同？

    KNN算法主要是用于解決監(jiān)督學(xué)習(xí)中的分類問題;其數(shù)據(jù)集是由特征值和目標(biāo)值組成，使用的數(shù)據(jù)是已經(jīng)標(biāo)記過的數(shù)據(jù);KNN算法是一種懶惰算法，沒有明顯的前期訓(xùn)練過程;里面的K值表示把這個(gè)樣本點(diǎn)分到哪個(gè)類別的參考數(shù)據(jù)點(diǎn) 查看全文>>

    人工智能常見問題2020-09-21 |傳智播客 |KNN和k-means聚類有什么不同

  • 

    什么是Bias和Variance？

    Bias 是由于你使用的學(xué)習(xí)算法過度簡(jiǎn)單地?cái)M合結(jié)果或者錯(cuò)誤地?cái)M合結(jié)果導(dǎo)致的錯(cuò)誤。它反映的是模型在樣本上的輸出與真實(shí)值之間的誤差，即模型本身的精準(zhǔn)度，即算法本身的擬合能力。Bias 可能會(huì)導(dǎo)致模型欠擬合，使其難以具有較高的預(yù)測(cè)準(zhǔn)確性，也很難將你的知識(shí)從訓(xùn)練集推廣到測(cè)試集。 查看全文>>

    人工智能常見問題2020-09-21 |傳智播客 |么是Bias和Variance

  • 

    fasttext和word2vec的區(qū)別?

    首先，要明確它在說的fasttext是什么?我們學(xué)的fasttext工具有兩個(gè)作用，也就是兩個(gè)主要接口，文本分類和訓(xùn)練詞向量，而我們學(xué)習(xí)的word2vec是什么，是如何進(jìn)行詞向量訓(xùn)練的理論。 查看全文>>

    人工智能常見問題2020-09-21 |傳智播客 |fasttext和word2vec的區(qū)別

  • 

    BERT, GPT和 ELMo有什么不同點(diǎn)？

    BERT采用的是Transformer架構(gòu)中的Encoder模塊; GPT采用的是Transformer架構(gòu)中的Decoder模塊; ELMo采用的雙層雙向LSTM模塊。 查看全文>>

    人工智能常見問題2020-09-21 |傳智播客 |BERT, GPT和 ELMo有什么不同點(diǎn)

  • 

    BERT的MLM任務(wù)中為什么采用了80%, 10%, 10%的策略?

    首先, 如果所有參與訓(xùn)練的token被100%的[MASK], 那么在fine-tunning的時(shí)候所有單詞都是已知的, 不存在[MASK], 那么模型就只能根據(jù)其他token的信息和語序結(jié)構(gòu)來預(yù)測(cè)當(dāng)前詞, 而無法利用到這個(gè)詞本身的信息, 因?yàn)樗鼈儚奈闯霈F(xiàn)在訓(xùn)練過程中, 等于模型從未接觸到它們的信息, 等于整個(gè)語義空間損失了部分信息. 采用80%的概率下應(yīng)用[MASK], 既可以讓模型去學(xué)著預(yù)測(cè)這些單詞, 又以20%的概率保留了語義信息展示給模型. 查看全文>>

    人工智能常見問題2020-09-21 |黑馬程序員 |BERT,MLM任務(wù)中,了80%,10%,10%,策略

  • 

    若學(xué)員已經(jīng)報(bào)了人工智能課程，同時(shí)也喜歡爬蟲、Python Web開發(fā)如何辦？

    我們推提供中級(jí)進(jìn)修課，可以在中級(jí)進(jìn)行課程，繼續(xù)進(jìn)行職業(yè)拓展。比如在爬蟲、web方面進(jìn)行職業(yè)拓展。你可登錄我們的官網(wǎng)進(jìn)行查看。 查看全文>>

    人工智能常見問題2020-09-16 |傳智播客 |人工智能課程,Python Web開發(fā)

  • 

    傳智播客人工智能課程如何保障學(xué)員的消化吸收?

    人工智能AI進(jìn)階班，課程設(shè)置科學(xué)合理，適合AI技術(shù)初學(xué)者。該課程7個(gè)階段、6個(gè)項(xiàng)目、80%的都是人工智能課程，平衡學(xué)習(xí)曲線。課程設(shè)計(jì)環(huán)節(jié)已考慮消化吸收，讓零基礎(chǔ)小白、數(shù)學(xué)零基礎(chǔ)的學(xué)員、都能順利入行AI;解決AI行業(yè)入門難、學(xué)習(xí)難、精通難、學(xué)習(xí)周期長(zhǎng)的痛點(diǎn)。 查看全文>>

    人工智能常見問題2020-09-16 |傳智播客 |如何保障學(xué)員的消化吸收

  << < 1 2 3 4 > >>