Created with Sketch.
Created with Sketch.
首页
发现
小书
登录
注册
×
注册小专栏
通过微信登录
通过微博登录
通过Github登录
通过邮箱
注册
、
登录
友情提示
Login FAQ
.
×
邮箱登录
通过微信、微博、Github 登录
登录
×
邮箱注册
通过微信、微博、Github 登录
注册
最近更新
热门推荐
人工智能 相关的文章
icloudend
in
SwiftUI与人工智能(机器学习)
SwiftUI机器学习入门之基础概念和万物识别App
什么是机器学习 机器学习是计算领域最热门的趋势之一，它通过创建计算机程序来快速且准确地概括和预测信息，类似于人类对类似信息的处理。随着主流媒体最近对机器学习的新颖应用进行大肆宣传，...
RPA观察者
in
RPA第一频道
行业前沿丨如何看待RPA+AI？
行业前沿丨如何看待RPA+AI？ 数字化业务的成熟，离不开新技术的迭代与发展。而在这些新技术当中，人工智能（AI）和机器人流程自动化（RPA）对于企业的长远发展，意义重大。 关于RPA和AI的两份调查 权...
tigerneil
in
踏踏实实学AI系列
ICLR 2020 强化学习论文合集
Dynamics-aware Unsupervised Skill Discovery Archit Sharma · Shixiang Gu · Sergey Levine · Vikash Kumar · Karol Hausman Rating: [8,8,8] OPENREVIEW Automated Curriculum Generation Through Setter-solver Interactions Andrew Lampinen · Sebastien Racaniere · Adam Santo...
upyun
in
又拍云技术专栏
以图搜图系统概述及工程实践（下）
以图搜图系统工程实践 之前写过一篇概述: 以图搜图系统概述 。 以图搜图系统需要解决的主要问题是： 提取图像特征向量（用特征向量去表示一幅图像） 特征向量的相似度计算（寻找内容相似的图像...
upyun
in
又拍云技术专栏
以图搜图系统概述及工程实践（上）
以图搜图系统概述 以图搜图指的是根据图像内容搜索出相似内容的图像。 构建一个以图搜图系统需要解决两个最关键的问题：首先，提取图像特征；其次，特征数据搜索引擎，即特征数据构建成数据库并...
icloudend
in
SwiftUI2020教程
基础16之 移动开发中应用机器学习和人工智能的推荐方案
iOS 程序员你该学习点机器学习和AI技术了 我们应该感谢新技术飞速发展，让当年很多需要博士学位的技能，变成了几行简单的代码。苹果推出CoreML组件让我们可以轻松的使用机器学习技术，让我们的手机...
icloudend
in
SwiftUI2020教程
基础16:iOS SwiftUI整合人工智能制作照片识别App（含全套源码2020教程）
人类即将进入人工智能时代，作为一个普通程序员我们除了增删改查之外，还应接触一下新的技术与事物。本文我将带领大家做个小demo，用SwiftUI和CoreML组件来制作一个识别物体的智能App 先看后学真把...
张雨萌
in
Python数据科学之路
【Python讲优化】S06E02 从函数近似到泰勒级数
1.谈谈$\Delta y$与$dy$ 在上一讲的内容中，我们提到了利用$\frac{dy}{dx}$来表示因变量$y$关于自变量$x$的导数，而我们到目前为止，都是将其作为一个整体来看待的。在这一讲的开头，我们尝试分别来单独讨论$...
张雨萌
in
Python数据科学之路
【Python讲概率】S05E09 深入解析极大似然估计
从这一节开始，我们来介绍统计推断的具体方法。 1.统计推断的两大学派 在统计领域，有两种对立的思想学派：贝叶斯学派和经典学派（也称频率学派），他们之间最重要的区别就是如何看待被估计的未...
张雨萌
in
Python数据科学之路
【python讲概率】S05E07 大数定律与中心极限定理
1.一个背景话题 本节课我们来介绍概率统计当中的极限思维，我们首先从一个大家都非常熟悉的场景切入来展开我们本节内容的讨论。 比如说，我们想获得本省$15$岁男生的平均身高，这时你会怎么做？显...
秦夏
in
漫谈大数据
Apache Hive 是怎样做基于代价的优化的？
上一篇文章讲了 Apache Calcite 为什么能这么流行。今天我们看一个实际的应用，来聊下 Hive 是怎么利用 Calcite 做基于代价查询优化的。 基于代价的优化器 通常，我们把 SQL 查询优化器分为两种类型： RBO(Rul...
秦夏
in
漫谈大数据
驳「Hadoop 快不行了」
前些天突然有个说法火了，说 Hadoop 不再权威了，气数已尽了。好些个公众号一顿转发，引来好些人一顿感慨，又在朋友圈一顿转发。 这种文章我一般当放松心情的八卦帖看的，但这次却忍不住要驳斥几...
OldDaddy
in
PM训练营
每日精选 | 围绕AI构建开放平台，vivo开启手机外的第二战场
vivo副总裁、全球AI研究院院长周围在上海举行的“世界人工智能大会”上预测，2年之后的手机，将会迎来一个大的变革，将会成为一个“自学习、自索引、自推荐的智能终端”。vivo是如何理解人工智能的...
leviding
in
技术漫谈
[译] 通过集成学习提高机器学习结果
原文地址：Ensemble Learning to Improve Machine Learning Results 原文作者：Vadim Smolyakov 译文出自：掘金翻译计划 本文永久链接：https://github.com/xitu/gold-miner/blob/master/TODO1/ensemble-learning-to-improve-machine-learning-results.md ...
leviding
in
技术漫谈
[ 译] 使用递归神经网络（LSTMs）对时序数据进行预测
原文地址：A Guide For Time Series Prediction Using Recurrent Neural Networks (LSTMs) 原文作者：Neelabh Pant 译文出自：掘金翻译计划 本文永久链接：https://github.com/xitu/gold-miner/blob/master/TODO1/time-series-prediction-using-recurrent-...
leviding
in
技术漫谈
[译] 在 Keras 中使用一维卷积神经网络处理时间序列数据
原文地址：Introduction to 1D Convolutional Neural Networks in Keras for Time Sequences 原文作者：Nils Ackermann 译文出自：掘金翻译计划 本文永久链接：https://github.com/xitu/gold-miner/blob/master/TODO1/introduction-to-1d-convolutional-ne...
leviding
in
技术漫谈
[译] 使用 Pandas 在 Python 中创建一个简单的推荐系统
原文地址：Creating a Simple Recommender System in Python using Pandas 原文作者：Usman Malik 译文出自：掘金翻译计划 本文永久链接：https://github.com/xitu/gold-miner/blob/master/TODO1/creating-a-simple-recommender-system-in-python-using-pa...
leviding
in
技术漫谈
[译] 深度学习将会给我们所有人的生活一个教训：工作是为了机器准备的
原文地址：Deep Learning Is Going to Teach Us All the Lesson of Our Lives: Jobs Are for Machines 原文作者：Scott Santens 译文出自：掘金翻译计划 本文永久链接：https://github.com/xitu/gold-miner/blob/master/TODO1/deep-learning-is-going-to-t...
upyun
in
又拍云技术专栏
"人机"对战：电脑太简单了，我是射手 skr~skr~skr
9月17日，2018 世界人工智能大会在上海拉开帷幕。在 SAIL 榜单入围项目中，我看到了小爱同学、小马智行、微软小冰、腾讯觅影等等，这不仅让我大开了眼界，也不禁让我感慨 AI 的发展神速。犹记得去年在...
DeamoV
in
从零开始的机器学习
决策树&ID3,C4.5,CART
1、 前言 之前我们已经说了，机器学习的从线性回归，概率这个出发点发展的算法。这次我们讲从第三个出发点，使用信息熵的算法，决策树。 2、 信息熵 首先我们来介绍什么是信息熵，信息熵是1948年，...
Created with Sketch.
top
Created with Sketch.
