点评：从去年chatgpt 发布以来AI算法领域的技术与AI应用就特别的火，鹅厂的同学整理了一些资料，然后讲基本所需的知识点介绍了一些。尤其是机器学习(Machine Learning)&深度学习(Deep Learning)相关的。其中涉及了几个基础算法问题，如：贪心算法，马尔可夫决策过程算法，蒙特卡洛方法、强化学习方法，DQN等。文中提提供了一些参考资料介绍：感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep Learning等。机器学习(Machine Learning)&深度学习(Deep Learning)资料库 大概有七八百篇得资料，共大家一起学习参考. 以下是正文 最近因为 AI 大火，搞的我也对 AI 突然也很感兴趣，于是开启了 AI 的学习之旅。其实我也没学过机器学习，对 AI 基本上一窍不通，但是好在身处在这个信息爆炸的时代，去网上随便一搜发现大把的学习资料。像这个链接里面：https://github.com/ty4z2008/Qix/blob/master/dl.md 就有很多资料，但是这相当于大海捞针。在学习之前我们先明确自己的目的是什么，
本文转载自 知乎[苏一]的,《Word2Vec详解》 原文地址：https://zhuanlan.zhihu.com/p/61635013Word2vec是一种用于自然语言处理（NLP）的技术，于2013年发布。word2vec算法使用神经网络模型从大型文本语料库中学习单词关联。一旦经过训练，这样的模型就可以检测同义词或为部分句子建议额外的单词。目录一、Word2Vec概述二、Word2Vec原理三、CBOW四、Skip-gram五、Hierarchical Softmax六、Negative Sampling一、Word2Vec概述 Word2Vec是google在2013年推出的一个NLP工具，它的特点是能够将单词转化为向量来表示，这样词与词之间就可以定量的去度量他们之间的关系，挖掘词之间的联系。用词向量来表示词并不是Word2Vec的首创，在很久之前就出现了。最早的词向量采用One-Hot编码，又称为一位有效编码，每个词向量维度大小为整个词汇表的大小，对于每个具体的词汇表中的词，将对应的位置置为1。比如我们有下面的5个词组成的词汇表，采用One-Hot编码方式来表示词向量非常简
首乌
十年老程序员
粤ICP备2023052298号-1
![[长文]写给开发同学AI强化学习入门指南 【转载】](https://wesee.club/usr/uploads/2023/06/1895225462.png)
![Word2Vec [单词向量化]详解](https://wesee.club/usr/uploads/2023/06/1320168848.png)
