自然语言处理相关ppt.zip

微软亚洲研究院自然语言计算组武威研究员的ppt,以及2019年相关nlp、知识图谱的报告

MIT 2018学习资料

对2018年有突破性的深度学习：BERT自然语言处理框架、语义分割、生成式对抗网络均有介绍

cs230讲义-super-cheatsheet-deep-learning

对计算机视觉(cv)以及自然语言处理(NLP)两个热门的方向的技术进行总结概述.

Machine Learning Cheat Sheet

这个备忘单是机器学习手册的精简版，其中包含许多关于机器学习的经典方程和图表，旨在帮助您快速回忆机器学习中的知识和想法。 优势1：更清晰的符号。数学公式使用符号来区分符号。例如，随机变量或矩阵。 这非常令人困惑，使读者很难理解数学公式的含义。 此备忘单试图标准化符号的使用，并且所有符号都是明确预定义的，请参阅§部分。 优势2：少思跳跃。 在许多机器学习书籍中，作者省略了数学证明过程的一些中间步骤，这可能会节省一些空间，但会使读者难以理解这个公式，读者会在推导过程的中间方式迷失。 该备忘单试图尽可能地保留重要的中间步骤。

102种花分类

我们创建了102个类别数据集，包含102个花类别。选择花的花通常在英国发生。每个类包含40到258个图像。可以在此类别统计页面上找到每个类别的类别和图像数量的详细信息。图像具有大规模，姿势和光变化。此外，有些类别在类别中有很大的变化，有几个非常相似的类别。使用具有形状和颜色特征的isomap可视化数据集。

scientific visualization

可视化是一种计算方法。 它将符号转换为几何，使研究人员能够观察它们的模拟和计算。 可视化提供了一种看不见的方法。 它丰富了科学发现的过程，并培养了深刻而意想不到的见解。

知识图谱发展报告2018

知识图谱(Knowledge Graph)以结构化的形式描述客观世界中概念、实体及 其关系，将互联网的信息表达成更接近人类认知世界的形式，提供了一种更好地 组织、管理和理解互联网海量信息的能力。知识图谱给互联网语义搜索带来了活 力，同时也在智能问答中显示出强大威力，已经成为互联网知识驱动的智能应用 的基础设施。知识图谱与大数据和深度学习一起，成为推动互联网和人工智能发 展的核心驱动力之一。

强化学习论文

强化学习近几年的论文　英文

Python turtle绘图

使用Python turtle绘图，绘制常规图形。。。。。。。。

Deep_Learing_with_python _keras

Deep_Learing_with_python _keras英文书。。。。。。。。