DOTA2 插眼位置进行聚类分析，你也可以成为眼位大师
这篇文章的目标是：借助一些数据科学工具，探索职业玩家如何插眼和控制视野。
10分钟掌握异常检测
异常检测(也称为离群点检测)是检测异常实例的任务，异常实例与常规实例非常不同。这些实例称为异常或离群值，而正常实例称为内部值。
机器学习中的参数与非参数方法
在今天的文章中，我们将讨论机器学习背景下的参数和非参数方法。此外，我们将探讨它们的主要差异以及它们的主要优点和缺点。
Matplotlib也可以渲染出交互式的可视化图表
交互式图表受到所有人的喜爱，因为它们能够更有效地讲述故事。
2021 年 10 月推荐阅读的10篇精选ML论文
每个月都会有几千篇的论文在arXiv发布，我们不可能看完所有的文章，但是我们可以从中找到一些趋势：
使用 Weaviate 矢量搜索为 60 多万篇学术论文构建可扩展的知识图谱搜索
Keenious 是一个专为学生、研究人员设计的搜索引擎！并且提供了应用程序直接在文本编辑器中运行；可以帮助我们分析整个文档并工作时找到高度相关的结果
JupyterLab 发布了桌面应用程序，但是它好用吗？
大约不到一周前，在 Jupyter 的博客中，他们宣布了 JupyterLab 桌面应用程序的发布。
自回归模型 - PixelCNN
生成模型是近年来受到广泛关注的无监督学习中的一类重要模型。PixelCNN 模型的优点是联合概率学习技术是非常容易处理的
可视化损失函数空间三维图
这篇介绍性文章简要说明了它是如何实现的，以及它是一个多么简单而又引人入胜的想法。
使用Pytorch实现三元组损失
在这篇文章中，我们将探索如何建立一个简单的具有三元组损失的网络模型。它在人脸验证、人脸识别和签名验证等领域都有广泛的应用
Pandas的10个常用函数总结
我们大多数人更喜欢 Python 来处理与数据相关的事情，而Pandas是我们是最常用的Python库
使用孪生网络和零样本学习进行文本分类
在这篇文章中，我们将讨论如何通过检测哪些话语属于域哪些话语不属于域,然后我们将讨论用孪生网络（Siamese Networks）和零样本（Zero-Shot ）学习进行文本分类。
DeepCluster：用于表示视觉特征的无监督学习聚类算法
在这篇文章中，我们要简单介绍Facebook 的“Deep Clustering for Unsupervised Learning of Visual Features”。
十分流行的自举法（Bootstrapping ）为什么有效
自举法（Bootstrapping）是一种重采样技术，这篇文章旨在以一种为外行介绍的方式展示自举法的“为什么”。
监督学习算法的发展史和它们之间的关系：从文氏图到回归、决策树、支持向量机和人工神经网络
在这篇文章中，我将解释有监督的机器学习技术如何相互关联，将简单模型嵌套到更复杂的模型中，这些模型本身嵌入到更复杂的算法中。
在没有数据的情况下使用贝叶斯定理设计知识驱动模型
数据是模型的基础，但是没有数据只有领域专家也可以很好地描述或甚至预测给定环境的“情况”。我将根据贝叶斯概率来总结知识驱动模型的概念，然后是一个实际教程，以演示将专家的知识转换为贝叶斯模型以进行推理的步骤。
NLP中关键字提取方法总结和概述
关键词提取方法可以在文档中找到相关的关键词。在本文中，我总结了最常用的关键字提取方法。
神经网络结构搜索(NAS)简介
本文旨在展示神经网络架构搜索（NAS）的进展、面临的困难和提出的解决方案，以及 NAS 在当今的普及和未来趋势。
详细对比深度神经网络DNN和高斯过程GP
深度神经网络 (DNN) 和高斯过程 (GP)* 是两类具有高度表现力的监督学习算法。在考虑这些方法的应用时会出现一个自然的问题：“什么时候以及为什么使用一种算法比另一种更有意义？”
Batch Renormalization:修复小批量对Batch Normalization的影响
这篇论文也是batch normalization的作者所写的，主要是针对小的mini-batch 会影响normalization效果这个问题作出修复，如果你的BN效果不好，可以试试这个方法。
