AI -- Machine Learning
1. What is Machine Learning
1.1 Artificial Intelligence vs. Machine Learning
1.2 Relations to Other Disciplines 与其他学科的关系
1.3 Human Learning vs. Machine Learning
1.4 What is Skill in Machine Learning 什么是机器学习的技能
1.5 Two General Types of Learning 两种通用的学习类型
1.6 A Formal Definition about Machine Learning 机器学习的形式化定义
1.7 Three Key Elements in the Formal Definition 形式化定义的三要素
2. Three Parties of Machine Learning 机器学习的三个学派
3. Machine Learning Details
3.1 Difficulty in Understanding Machine Learning
3.2 How Machine Learning Works
3.3 Three Perspectives on Machine Learning
3.3.1 Why Three Perspectives
3.3.2 Learning Tasks
3.3.3 Learning Paradigms
3.3.4 Learning Models
4. Applications and Terminologies（术语，名词）
5. Three Perspectives Details
5.1 Tasks in Machine Learning
5.1.1 Classification
-
How Classification Works
-
Linear and Nonlinear
-
Dimensions and Classes
-
Applications and Algorithms
5.1.2 Regression（回归）
5.1.2.1 How Regression Works
5.1.2.2 Linear and Nonlinear
5.1.2.3 Applications and Algorithms
5.1.3 Clustering
5.1.3.1 How Clustering Works
5.1.3.2 Major Approaches of Clustering
5.1.4 Ranking
5.1.4.1 How Ranking Works
5.1.4.2 Major Approaches of Ranking
5.1.4.3 Applications and Algorithms
5.1.5 Dimensionality Reduction
5.2 Paradigms in Machine Learning
5.2.1 Supervised Learning Paradigm
5.2.1.1 Overview of Supervised Learning
5.2.1.2 Suitable Learning Tasks
5.2.1.3 Formal Description
5.2.1.4 Algorithms of Supervised Learning
5.2.1.5 Applications of Supervised Learning
5.2.1.6 Variants of Supervised Learning
5.2.2 Unsupervised Learning Paradigm
5.2.2.1 Overview
5.2.2.2 Suitable Learning Tasks
5.2.2.3 Algorithms of Unsupervised Learning
5.2.2.4 Applications of Unsupervised Learning
5.2.2.5 How Important Unsupervised Learning
5.2.3 Reinforcement Learning Paradigm
5.2.3.1 Overview of Reinforcement Learning
5.2.3.2 Types of Reinforcement Learning
5.2.3.3 New Algorithms of Reinforcement Learning
5.2.3.4 Applications of Reinforcement Learning
5.2.4 Relations and Other Paradigms
5.2.4 Models in Machine Learning
5.2.4.1 Probabilistic Models
5.2.4.2 Geometric Models
5.2.4.3 Logical Models
5.2.4.4 Networked Models
- Artificial Neural Networks (ANN)
- Deep Neural Networks (DNN)
相关文章：
AI -- Machine Learning
1. What is Machine Learning 1.1 Artificial Intelligence vs. Machine Learning 1.2 Relations to Other Disciplines 与其他学科的关系 1.3 Human Learning vs. Machine Learning 1.4 What is Skill in Machine Learning 什么是机器学习的技能 1.5 Two General Types of Le…...
了解交换机_1.交换机的技术发展
1.LAN的分段-单网线 最简单的网络是两台计算机通过一根网线相连： 一根网线它有很多限制，首先只能连接两台电脑，其次不能距离太远，主要因为： （1）单路网线太长会存在信号衰减；…...
ubuntu 24.04 安装 Nvidia 显卡驱动 + CUDA + cuDNN，配置 AI 深度学习训练环境，简单易懂，一看就会！
ubuntu 24.04 安装 Nvidia 显卡驱动 CUDA cuDNN，配置 AI 深度学习训练环境，简单易懂，一看就会！ 1.查看本机显卡型号 lspci | grep -i nvidia输出如下： 01:00.0 3D controller: NVIDIA Corporation GM108M [GeForc…...
跟李沐学AI：目标检测的常用算法
区域神经网络R-CNN 使用启发式搜索算法来选择锚框 -> 使用预训练模型来对每个锚框抽取特征 -> 训练一个SVM对类别进行分类 -> 训练一个线性回归模型来预测边缘框偏移 锚框大小不一，如何将不同的锚框统一为一个batch? -> 兴趣区域池化层 兴趣区域(RoI…...
基于UE5和ROS2的激光雷达+深度RGBD相机小车的仿真指南(一)---UnrealCV获取深度+分割图像
前言 本系列教程旨在使用UE5配置一个具备激光雷达深度摄像机的仿真小车，并使用通过跨平台的方式进行ROS2和UE5仿真的通讯，达到小车自主导航的目的。本教程使用的环境： ubuntu 22.04 ros2 humblewindows11 UE5.4.3python8 本系列教程将涉及以…...
Java算法解析一：二分算法及其衍生出来的问题
这个算法的前提是，数组是升序排列的 算法描述： i和j是指针可以表示查找范围 m为中间值 当目标值targat比m大时，设置查找范围在m右边：i m-1 当目标值targat比m小时，设置查找范围在m左边：j m1 当targat的…...
数学建模预测类—【一元线性回归】
每日格言：行动是治愈恐惧的良药，而犹豫拖延将不断滋养恐惧. 目录 前言 一、什么是回归分析？ 1.概念理解 2.分类和一般步骤 二、一元线性回归（Matlab算法） 1.利用regress函数 2、例题讲解 总结 前言 在具体讲述线性回归…...
配置更加美观的 Swagger UI
//注册Swagger服务 private static void AddSwaggerService(IServiceCollection services){services.AddSwaggerGen(opt >{opt.SwaggerDoc("Push", new OpenApiInfo{Version "v1",Title "Push API",Description "Push API 文档"…...
软件测试 - 基础（软件测试的生命周期、测试报告、bug的级别、与开发人员产生争执的调解方式）
一、软件测试的生命周期 测试贯穿软件的整个生命周期 软件测试的生命周期： 需求分析 →测试计划→ 测试设计、测试开发→ 测试执行→ 测试评估->上线->运行维护 需求分析：判断用户的需求是否合理，是否可实现 测试计划：计划项…...
RTX 4070 GDDR6显存曝光：性能与成本的平衡之选
近期，关于NVIDIA RTX 4070新显卡的信息曝光，这款显卡将配备较为缓慢的GDDR6显存，而非更高性能的GDDR6X。这一配置的选择引发了业内的广泛关注，特别是在性能与成本的平衡问题上。 新版RTX 4070 OC 2X的核心特点 **1.显存类型与带…...
canvas的基础使用
canvas的基础使用 一、画一条直线二、线的属性设置三、防止多次绘制的样式污染四、闭合五、快捷绘制矩形六、绘制圆形七、绘制文字八、绘制图片js版dom版图片截取 一、画一条直线 画一条直线需要用到三个方法：cxt.moveTo、cxt.lineTo、cxt.stroke <canvas id&qu…...
Windows 常用网络命令之 telnet（测试端口是否连通）
文章目录 1 概述1.1 启用 telnet 2 常用命令2.1 ping：测试网络是否连通2.2 telnet：测试端口是否连通 3 扩展3.1 进入 cmd 命令3.2 cls 清屏命令 1 概述 1.1 启用 telnet telnet ip:port // 格式 telnet 10.0.24.154:8001若出现上述提示&…...
x264 编码器像素运算系列：asd8函数
x264 编码器中像素间运算 在 x264 编码器中有多种像素间的运算，如下： sad 计算：SAD（Sum of Absolute Differences，绝对差值和）是一种在图像处理和视频编码中常用的度量，用于计算两个图像块之间的差异。SAD值越小，表示两个图像块越相似。hadamard_ac计算：用于计算Hadam…...
什么是AR、VR、MR、XR？
时代背景 近年来随着计算机图形学、显示技术等的发展，视觉虚拟化技术得到了广泛的发展，并且越来越普及化，慢慢的也走入人们的视野。目前市场上视觉虚拟化技术的主流分为这几种 VR、AR、MR、XR。这几项技术并不是最近才出现的，VR的…...
Epic Games 商店面向欧盟 iPhone 用户上线
Epic Games Store 终于在欧盟推出，为玩家提供了不通过 App Store 就能在 iPhone上访问游戏的途径。在经历了漫长而昂贵的关于支付和竞争对手应用程序店面的法律战，以及公证方面的麻烦之后，Epic Games 成功地为App Store 带来了一个数字店面。…...
)
【计算机毕设项目】2025级计算机专业小程序项目推荐 (小程序+后台管理)
以下项目选题适合计算机专业大部分专业，技术栈主要为：前端小程序，后端Java语言，数据库MySQL 后台免费获取源码，可提供远程调试、环境安装配置服务。（文末有联系方式） 以下是本次部分项目推荐1…...
Fast API + LangServe快速搭建 LLM 后台
如果快速搭建一个 LLM 后台 API，使前端可以快速接入 LLM API。LangChain 或者 LlamaIndex 架构都可以快速集成各种大语言模型，本文将讲述如何通过 Fast API LangServe 快速的搭建一个后台 Rest API 服务。LLM 这些框架现在主打一个就是快速，…...
CSS继承、盒子模型、float浮动、定位、diaplay
一、CSS继承 1.文字相关的样式会被子元素继承。 2.布局样式相关的不会被子元素继承。（用inherit可以强行继承） 实现效果： 二、盒子模型 每个标签都有一个盒子模型，有内容区、内边距、边框、外边距。 从内到外：cont…...
使用百度文心智能体创建AI旅游助手
百度文心智能体平台为你开启。百度文心智能体平台，创建属于自己的智能体应用。百度文心智能体平台是百度旗下的智能AI平台，集成了先进的自然语言处理技术和人工智能技术，可以用来创建属于自己的智能体应用，访问官网链接࿱…...
斗破C++编程入门系列之四：运算符和表达式
鸡啄米C 记住首页不迷路： http://www.jizhuomi.com/software/129.html 斗破观看顺序： https://v.haohuitao.cc/yhplay/336-1-2.html 第一季☞第二季前2集☞特别篇1☞第二季3～12集☞特别篇2沙之澜歌☞第三季☞第四季☞三年之约☞缘起☞年番…...
ESP32读取DHT11温湿度数据
芯片：ESP32 环境：Arduino 一、安装DHT11传感器库 红框的库，别安装错了 二、代码 注意，DATA口要连接在D15上 #include "DHT.h" // 包含DHT库#define DHTPIN 15 // 定义DHT11数据引脚连接到ESP32的GPIO15 #define D…...
蓝牙 BLE 扫描面试题大全(2)：进阶面试题与实战演练
前文覆盖了 BLE 扫描的基础概念与经典问题蓝牙 BLE 扫描面试题大全(1)：从基础到实战的深度解析-CSDN博客，但实际面试中，企业更关注候选人对复杂场景的应对能力（如多设备并发扫描、低功耗与高发现率的平衡）和前沿技术的…...
Unit 1 深度强化学习简介
Deep RL Course ——Unit 1 Introduction 从理论和实践层面深入学习深度强化学习。学会使用知名的深度强化学习库，例如 Stable Baselines3、RL Baselines3 Zoo、Sample Factory 和 CleanRL。在独特的环境中训练智能体，比如 SnowballFight、Huggy the Do…...
重启Eureka集群中的节点，对已经注册的服务有什么影响
先看答案，如果正确地操作，重启Eureka集群中的节点，对已经注册的服务影响非常小，甚至可以做到无感知。 但如果操作不当，可能会引发短暂的服务发现问题。 下面我们从Eureka的核心工作原理来详细分析这个问题。 Eureka的…...
10-Oracle 23 ai Vector Search 概述和参数
一、Oracle AI Vector Search 概述 企业和个人都在尝试各种AI，使用客户端或是内部自己搭建集成大模型的终端，加速与大型语言模型（LLM）的结合，同时使用检索增强生成（Retrieval Augmented Generation &#…...
QT3D学习笔记——圆台、圆锥
类名作用Qt3DWindow3D渲染窗口容器QEntity场景中的实体（对象或容器）QCamera控制观察视角QPointLight点光源QConeMesh圆锥几何网格QTransform控制实体的位置/旋转/缩放QPhongMaterialPhong光照材质（定义颜色、反光等）QFirstPersonC…...
打手机检测算法AI智能分析网关V4守护公共/工业/医疗等多场景安全应用
一、方案背景 在现代生产与生活场景中，如工厂高危作业区、医院手术室、公共场景等，人员违规打手机的行为潜藏着巨大风险。传统依靠人工巡查的监管方式，存在效率低、覆盖面不足、判断主观性强等问题，难以满足对人员打手机行为精…...
在树莓派上添加音频输入设备的几种方法
在树莓派上添加音频输入设备可以通过以下步骤完成，具体方法取决于设备类型（如USB麦克风、3.5mm接口麦克风或HDMI音频输入）。以下是详细指南： 1. 连接音频输入设备 USB麦克风/声卡：直接插入树莓派的USB接口。3.5mm麦克…...
【WebSocket】SpringBoot项目中使用WebSocket
1. 导入坐标 如果springboot父工程没有加入websocket的起步依赖，添加它的坐标的时候需要带上版本号。 <dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-websocket</artifactId> </dep…...
Pydantic + Function Calling的结合
1、Pydantic Pydantic 是一个 Python 库，用于数据验证和设置管理，通过 Python 类型注解强制执行数据类型。它广泛用于 API 开发（如 FastAPI）、配置管理和数据解析，核心功能包括： 数据验证：通过…...