Deephub
更多文章请关注公众号：Deephub-IMBA
Explainable AI (XAI) 不能解释什么,以及我们如何解决这个问题
神经网络准确但不可解释，决策树是可解释的，但在计算机视觉中是不准确的。对于这种问题，我们在本文有一个解决办法
理论结合实际：如何调试神经网络并检查梯度
当我们实现神经网络时，反向传播的过程中更容易出错。因此，如果我们能够实现一些使我们能够轻松调试神经网络
用于自然语言处理的BERT-双向Transformers的直观解释
在这篇文章中，我们将使用一种直观的方法来理解NLP的发展，包括BERT。预训练策略使BERT如此强大和流行，并且BERT可针对大多数NLP任务进行微调。
发家致富靠AI：使用keras预测NBA比赛赚钱，回报率136%
一个完美的预测模型，使用它能够精确地预测出未来游戏的结果。通过深入学习，这或许是可能的——或者至少比以前的数据科学技术更容易。
为什么任何的机器学习算法都可以转换为神经网络
神经网络更像是一个框架和概念，而不仅仅是一个算法。
这3个Scikit-learn的特征选择技术，能够有效的提高你的数据预处理能力
Scikit-learn是一个广泛使用的python机器学习库。它以现成的机器学习算法而闻名
使用神经网络解决拼图游戏
在一个排列不变性的数据上神经网络是困难的。拼图游戏就是这种类型的数据，那么神经网络能解决一个2x2的拼图游戏
为什么我们的神经网络需要激活函数
什么是激活函数，为什么我们需要这些激活函数。没有它们，神经网络还能工作吗?
使用神经网络为图像生成标题
本文将介绍神经网络的一个这样的应用，并让读者了解如何使用CNNs和RNNs (LSTM)的混合网络实际为图像生成标题(描述)。
如何利用机器学习和Gatsby.js创建假新闻网站
我们对错误消息并不陌生。假新闻和假标题并不是现代发明。
检测假新闻：比较不同的分类方法的准确率
这些推特是真的还是假的?
在Python中使用Torchmoji将文本转换为表情符号
TorchMoji是DeepMoji的pyTorch实现
使用Keras构建具有自定义结构和层次图卷积神经网络(GCNN)
如何构建具有自定义结构和层次的神经网络:Keras中的图卷积神经网络(GCNN)
快速介绍Python数据分析库pandas的基础知识和代码示例
“软件工程师阅读教科书作为参考时不会记住所有的东西，但是要知道如何快速查找重·要的知识点。”
卷积神经网络中的参数共享/权重复制
参数共享或权重复制是深度学习中经常被忽略的领域。但是了解这个简单的概念有助于更广泛地理解卷积神经网络的内部。
为什么说神经网络可以逼近任意函数？
本文主要介绍神经网络万能逼近理论，并且通过PyTorch展示了两个案例来说明神经网络的函数逼近功能。
快速解释如何使用pandas的inplace参数
在操作dataframe时，初学者有时甚至是更高级的数据科学家会对如何在pandas中使用inplace参数感到困惑
使用Yolov5进行端到端目标检测
Ultralytics已经发布了YOLOv5，具有可比的AP和比YOLOv4更快的推断时间。
通过深度学习进行高频传感器故障检测和预测性维护
机器都会有故障和失灵。确定设备的状况或维护计划何时应该执行，是影响成本和生产力的极其战略性的决定。
数据相关的4种主要角色概述
大数据的爆发创造了4种主要角色，但由于行业的新生性质，许多角色的定义都很模糊，根据公司的不同，它们都可以归为一个统称“数据科学”。