本文主要介绍了如何进行超参数调优，包括如何选择合适的范围。其次介绍了Batch Norm批归一化以及Softmax回归，最后简单介绍了一下TensorFlow。

本次课程将会告诉大家如何构造卷积神经网络并应用到图像数据上。从中你会学到如何构建一个卷积神经网络、如何应用卷积神经网络到图像识别和目标检测上、学习如何使用神经风格转换去生成艺术作品、能将这些算法应用到更广泛的图像应用上，比如2D、3D数据和视频。

引言本文是统计学习方法第二版的读书笔记。主要讨论了决策树。决策树主要优点是模型具有可读性，分类速度快。决策树模型与学习决策树模型分类决策树模型是一种描述对实例进行分类的树形结构。决策树由结点和有向边组成。结点有两种类型：内部节点和叶节点。内部节点表示一个特征或属性，叶节点表示一个类。上图是一个决策树的示意图，圆和方框分别表示内部结点和叶结点。决策树与if-then规则可以将决策树...

信息检索，问答系统，机器阅读理解。

死磕统计学习方法#支持向量机

本文介绍了什么是策略梯度

本文介绍如何处理稀疏奖励问题。

对话系统中的自然理解模块简介。

李宏毅强化学习简介

本文主要介绍演员-评论员(Actor-Critic)算法。