股票预测,自动翻译,你想要的它都能做——RNN算法探索之旅(1)

近几年,华尔街裁员不断,高盛在2000年顶峰时期,雇佣了600名交易员,为其机构客户进行股票买卖。但时至今日,却仅剩下2名交易员“看守”柜台。

不仅高盛,瑞银、摩根士丹利等金融公司,目前都已采用机器学习算法替代普通交易员,来进行交易。

那,什么样的算法如此厉害? 继续阅读

keras教程:手把手教你做聊天机器人(下)—— seq2seq篇

【摘要】本篇教程的目标:使用keras快速搭建属于自己的聊天机器人。教程分为上、下2个部分。该教程为下篇,主要完成seq2seq(编码-解码)模型的搭建。文章以人类对话为例,引出机器人学会“开口讲话”的4个核心环节:输入问句-编码-解码-输出答句。在这一过程中,穿插讲解了何为“词向量维度”,何为“序列”,何为“输入/输出形态”等等基本概念。选用keras作为搭建模型的工具,上手更快、难度更小,所以,不要有负担,跟着教程一步一步,入门自然语言处理(NLP)的同时,你也可以拥有一台能聊天的情感机器人。

继续阅读

keras教程:手把手教你做聊天机器人(上)—— 词向量篇

【摘要】本篇教程的目标:使用keras快速搭建属于自己的聊天机器人。教程分为上、下2个部分。上篇主要完成数据的准备工作。并且,在这一过程中,详细介绍了“什么是词向量”、“如何给句子分词”,“如何将中文语料转换为计算机所识别的语言”等等。与其他教程不同,本文没有公式,即使零基础,也能毫无障碍的构建属于自己的机器人模型。还等什么?赶快操练起来吧!

继续阅读

keras教程:卷积神经网络(CNNs)终极入门指南

【摘要】本篇教程将手把手地教你使用keras搭建卷积神经网络(CNNs)。利用MNIST数据集,从导入模块开始,到 “预处理数据 → 定义模型架构 → 编译模型 → 训练模型 → 评估效果”,每个环节都充分讲解参数细节。即使没有数学基础,也能毫无障碍地构建起属于自己的图像识别模型。

继续阅读

吊炸天的CNNs,这是我见过最详尽的图解!(下)

【摘要】本文详细介绍了卷积神经网络的运行原理,特别是池化、全连接等过程。为了使大家更快、更轻松的入门,文章没有晦涩难懂的术语和公式,全部采用“图形”的方式来描述。文末的延展阅读部分,更加入了彩色图片卷积原理的手工演算过程,由浅入深,层层推进,希望你读得畅快!

继续阅读

吊炸天的CNNs,这是我见过最详尽的图解!(上)

导读:卷积神经网络(CNNs)在“自动驾驶”、“人脸识别”、“医疗影像诊断”等领域,都发挥着巨大的作用。这一无比强大的算法,唤起了很多人的好奇心。当阿尔法狗战胜了李世石和柯杰后,人们都在谈论“它”。

但是,

“它”是谁?

“它”是怎样做到的?

已经成为每一个初入人工智能——特别是图像识别领域的朋友,都渴望探究的秘密。

本文通过“算法可视化”的方法,将卷积神经网络的原理,呈献给大家。教程分为上、下两个部分,通篇长度不超过7000字没有复杂的数学公式,希望你读得畅快。

下面,我们就开始吧!

继续阅读