本文对应斯坦福ML公开课的第12个视频,第12个视频与前面相关性并不大,开启了一个新的话题——无监督学习。主要内容包括无监督学习中的K均值聚类(K-means)算法,混合高斯分布模型(Mixture of Gaussians, MoG),求解MoG模型的EM算法,以及EM的一般化形式,在EM的一般化形式之前,还有一个小知识点,即Jensen不等式(Jensen’s inequality)。
本文对应ML公开课的第11个视频。前半部分仍然是讲学习理论的内容,后半部分主要讲述一些在具体应用中使用ML算法的经验。学习理论的内容包括贝叶斯统计和正则化(Bayesianstatistics and Regularization)、在线学习(OnlineLearning)。ML经验包括算法的诊断(Diagnostics for debugging learning algorithms)、误差分析(error analysis)、
科学家们经常会发现尚未完全理解其中因果的事物令人兴趣盎然,但是对于工程师而言,此种未知奥秘却是梦魇。工程师的工作是将基础知识转化为实用技术,这意味着需要洞察细节。 12月5日,全球顶级研究人员汇聚旧金山,参加IEEE国际电子组件会议(IEDM)。斯坦福大学团队在会议上发表的一篇论文,正是这种洞察细节精神的体现。 由IBM电子工程师出身的黄汉森教授(H. S. Philip Wong)领导的该团队,在深入研究一种新型数据存储技术。对于智能手机和其他移动设备而言,高效节能