- 本文转自 | 人工智能大数据与深度学习（ID：datayx）机器学习和数据科学都是广义上的术语，它们涉及超级多的领域以及知识，一位数据科学家所做的事情可能与另一位有很大的不同，机器学习工程师也是如此。通常使用过去（数据）来理解或预测（构建模型）未来。为了将上面刚刚提到的要点融入上下文中，我必须要解释我的角色是什么。曾经我呆在一个小机器学习咨询团队。我们做到了从数据收集到清洗、构建模型再到你能... 本文转自 | 人工智能大数据与深度学习（ID：datayx）机器学习和数据科学都是广义上的术语，它们涉及超级多的领域以及知识，一位数据科学家所做的事情可能与另一位有很大的不同，机器学习工程师也是如此。通常使用过去（数据）来理解或预测（构建模型）未来。为了将上面刚刚提到的要点融入上下文中，我必须要解释我的角色是什么。曾经我呆在一个小机器学习咨询团队。我们做到了从数据收集到清洗、构建模型再到你能...
- 晓查 发自 凹非寺量子位 报道 | 公众号 QbitAI本月，微软给VS Code加入了一项令人感到惊喜的功能：直接在编辑器中运行调试Jupyter Notebook，而无需任何第三方插件。过去开发者想要运行调试.ipynb文件，几乎只能使用网页。虽然后来PyCharm也加入了对它的支持，但是PyCharm远不及VS Code轻量和简洁。VS Code不仅支持Jupyter笔记本的基本操作，... 晓查 发自 凹非寺量子位 报道 | 公众号 QbitAI本月，微软给VS Code加入了一项令人感到惊喜的功能：直接在编辑器中运行调试Jupyter Notebook，而无需任何第三方插件。过去开发者想要运行调试.ipynb文件，几乎只能使用网页。虽然后来PyCharm也加入了对它的支持，但是PyCharm远不及VS Code轻量和简洁。VS Code不仅支持Jupyter笔记本的基本操作，...
- 李沐，亚马逊 AI 主任科学家，名声在外！半年前，由李沐、Aston Zhang 等人合力打造的《动手学深度学习》正式上线，免费供大家阅读。这是一本面向中文读者的能运行、可讨论的深度学习教科书！李沐的这本《动手学深度学习》也是使用 MXNet 框架写成的。但是很多入坑机器学习的萌新们使用的却是 PyTorch。如果有教材对应的 PyTorch 实现代码就更好了！撒花，最近一位北大的学生把他翻... 李沐，亚马逊 AI 主任科学家，名声在外！半年前，由李沐、Aston Zhang 等人合力打造的《动手学深度学习》正式上线，免费供大家阅读。这是一本面向中文读者的能运行、可讨论的深度学习教科书！李沐的这本《动手学深度学习》也是使用 MXNet 框架写成的。但是很多入坑机器学习的萌新们使用的却是 PyTorch。如果有教材对应的 PyTorch 实现代码就更好了！撒花，最近一位北大的学生把他翻...
- 作者 | zsx_yiyiyi转自 | DataWhale编辑 | python大本营昨天我们跟大家分享了50个Matplotlib可视化 - 主图（带有完整的Python代码）上 ，详情链接请戳：50个Matplotlib可视化 - 主图（带有完整的Python代码）上接下来则继续分享。26. 箱形图箱形图是一种可视化分布的好方法，记住中位数，第25个第45个四分位数和异常值。但是，您需... 作者 | zsx_yiyiyi转自 | DataWhale编辑 | python大本营昨天我们跟大家分享了50个Matplotlib可视化 - 主图（带有完整的Python代码）上 ，详情链接请戳：50个Matplotlib可视化 - 主图（带有完整的Python代码）上接下来则继续分享。26. 箱形图箱形图是一种可视化分布的好方法，记住中位数，第25个第45个四分位数和异常值。但是，您需...
- 机器学习如何入门？理论算法是基础。更重要的就是要注重实战。简单地说，最直接的方法就是自己实现一遍主流的机器学习算法。这里可能有的同学说不需要重复造轮子。但是我觉得简单地把所有机器学习算法使用python实现一遍还是很有必要的，至少是伪代码的形式。一方面能够加深自己对理论的深入理解，另一方面能够锻炼自己的代码实操能力。因此，今天给大家介绍一本以 Python 为基础的机器学习实战编程书籍：《M... 机器学习如何入门？理论算法是基础。更重要的就是要注重实战。简单地说，最直接的方法就是自己实现一遍主流的机器学习算法。这里可能有的同学说不需要重复造轮子。但是我觉得简单地把所有机器学习算法使用python实现一遍还是很有必要的，至少是伪代码的形式。一方面能够加深自己对理论的深入理解，另一方面能够锻炼自己的代码实操能力。因此，今天给大家介绍一本以 Python 为基础的机器学习实战编程书籍：《M...
- 加入AI行业拿到高薪仅仅是职业生涯的开始。现阶段AI人才结构在不断升级，这也意味着如果目前仍然停留在调用一些函数库，则在未来1-2年内很大概率上会失去核心竞争力的。几年前如果熟练使用TensorFlow，同时掌握基本的AI算法就可以很容易找到一份高薪的工作，但现在不一样了，AI岗位的要求越来越高，对知识的深度也提出了更高的要求。如果现在一个面试官让你从零推导SVM的Dual、从零实现CRF、... 加入AI行业拿到高薪仅仅是职业生涯的开始。现阶段AI人才结构在不断升级，这也意味着如果目前仍然停留在调用一些函数库，则在未来1-2年内很大概率上会失去核心竞争力的。几年前如果熟练使用TensorFlow，同时掌握基本的AI算法就可以很容易找到一份高薪的工作，但现在不一样了，AI岗位的要求越来越高，对知识的深度也提出了更高的要求。如果现在一个面试官让你从零推导SVM的Dual、从零实现CRF、...
- 作者 | Lysandre Debut译者 | 陆离出品 | AI科技大本营（ID: rgznai100） 【导语】自然语言处理预训练模型库 Transformers 实现了几种用于 NLP 任务的最先进的 Transformer 架构，如文本分类、信息提取、问题解答和文本生成等，它经常被研究人员和公司所使用，提供 PyTorch 和 TensorFlow 的前端实现。究竟是 PyTorch... 作者 | Lysandre Debut译者 | 陆离出品 | AI科技大本营（ID: rgznai100） 【导语】自然语言处理预训练模型库 Transformers 实现了几种用于 NLP 任务的最先进的 Transformer 架构，如文本分类、信息提取、问题解答和文本生成等，它经常被研究人员和公司所使用，提供 PyTorch 和 TensorFlow 的前端实现。究竟是 PyTorch...
- 作者 | 文杰 编辑 | yuquanle本文介绍线性回归模型，从梯度下降和最小二乘的角度来求解线性回归问题，以概率的方式解释了线性回归为什么采用平方损失，然后介绍了线性回归中常用的两种范数来解决过拟合和矩阵不可逆的情况，分别对应岭回归和Lasso回归，最后考虑到线性回归的局限性，介绍了一种局部加权线性回归，增加其非线性表示能力 。线性回归A、线性回归假设有数据有：其中,。其中m为训练集样本... 作者 | 文杰 编辑 | yuquanle本文介绍线性回归模型，从梯度下降和最小二乘的角度来求解线性回归问题，以概率的方式解释了线性回归为什么采用平方损失，然后介绍了线性回归中常用的两种范数来解决过拟合和矩阵不可逆的情况，分别对应岭回归和Lasso回归，最后考虑到线性回归的局限性，介绍了一种局部加权线性回归，增加其非线性表示能力 。线性回归A、线性回归假设有数据有：其中,。其中m为训练集样本...
- 我们都知道人工智能有两大领域，计算机视觉和自然语言处理，但是究竟哪个方向前景好，发展空间大呢？或许你还不知道自己该如何选择。不仅如此，你还能和一批优秀的985、211学员一起学习，群内互答，加深理解！看到同学们这么认真的在做学习笔记，也是满满的成就感哦！睁开眼，阳光和你都在～△可上下滑动，查看往期训练营学员部分作业完成详情对于优秀作业我们将置顶，老师及助教将进行点评和批改！△可上下滑动，查看... 我们都知道人工智能有两大领域，计算机视觉和自然语言处理，但是究竟哪个方向前景好，发展空间大呢？或许你还不知道自己该如何选择。不仅如此，你还能和一批优秀的985、211学员一起学习，群内互答，加深理解！看到同学们这么认真的在做学习笔记，也是满满的成就感哦！睁开眼，阳光和你都在～△可上下滑动，查看往期训练营学员部分作业完成详情对于优秀作业我们将置顶，老师及助教将进行点评和批改！△可上下滑动，查看...
- 本文转自 | 新智元谷歌2019博士生奖研金项目新科入选名单公布：全球55人入选，其中华人/中国学生13人。谷歌的博士生奖研金项目（Google Ph.D Fellowship Program）创立于2009 年，以奖励在计算机学科及其相关学科或者其它前瞻科研领域方面表现优异的博士生。该项目为攻读计算机科学（或相关领域）研究生学位的学生提供了一个独特的机会，资助其自由探索影响未来的科技。创立... 本文转自 | 新智元谷歌2019博士生奖研金项目新科入选名单公布：全球55人入选，其中华人/中国学生13人。谷歌的博士生奖研金项目（Google Ph.D Fellowship Program）创立于2009 年，以奖励在计算机学科及其相关学科或者其它前瞻科研领域方面表现优异的博士生。该项目为攻读计算机科学（或相关领域）研究生学位的学生提供了一个独特的机会，资助其自由探索影响未来的科技。创立...
- 本文转自 | AI开发者作为机器学习从业者，你需要知道概率分布相关的知识。这里有一份最常见的基本概率分布教程，大多数和使用 python 库进行深度学习有关。概率分布概述共轭意味着它有共轭分布的关系。在贝叶斯概率论中，如果后验分布 p（θx）与先验概率分布 p（θ）在同一概率分布族中，则先验和后验称为共轭分布，先验称为似然函数的共轭先验。共轭先验维基百科在这里（https://en.wiki... 本文转自 | AI开发者作为机器学习从业者，你需要知道概率分布相关的知识。这里有一份最常见的基本概率分布教程，大多数和使用 python 库进行深度学习有关。概率分布概述共轭意味着它有共轭分布的关系。在贝叶斯概率论中，如果后验分布 p（θx）与先验概率分布 p（θ）在同一概率分布族中，则先验和后验称为共轭分布，先验称为似然函数的共轭先验。共轭先验维基百科在这里（https://en.wiki...
- 作 者 | 张伯函 链 接 | segmentfault.com/a/1190000003830252Git 和 GitHub都是非常强大的工具。即使你已经使用他们很长时间，你也很有可能不知道每个细节。我整理了Git和GitHub可能提高日常效率的10个常用技巧。GitHub快捷键: t 和 w在你的源码浏览页面，按t可以快速进入模糊文件名搜索模式：在你仓库主页，按w可以快速进... 作 者 | 张伯函 链 接 | segmentfault.com/a/1190000003830252Git 和 GitHub都是非常强大的工具。即使你已经使用他们很长时间，你也很有可能不知道每个细节。我整理了Git和GitHub可能提高日常效率的10个常用技巧。GitHub快捷键: t 和 w在你的源码浏览页面，按t可以快速进入模糊文件名搜索模式：在你仓库主页，按w可以快速进...
- 丹尼尔（daniel)的新书自然语言处理综论（第二版）2018年刚刚发布不久（其实这本书可能在2007年已经完成了初稿（我在网上看到的英文版draft edition写的是2007年，存疑）），他继续教授自然语言处理和语音识别的相关课程。但就在书籍完成后的10多年间计算机领域发生翻天覆地的变化。尽管第二版对第一版的修订内容非常多，但是书籍仍然忠实的对照其题目《Speech and langu... 丹尼尔（daniel)的新书自然语言处理综论（第二版）2018年刚刚发布不久（其实这本书可能在2007年已经完成了初稿（我在网上看到的英文版draft edition写的是2007年，存疑）），他继续教授自然语言处理和语音识别的相关课程。但就在书籍完成后的10多年间计算机领域发生翻天覆地的变化。尽管第二版对第一版的修订内容非常多，但是书籍仍然忠实的对照其题目《Speech and langu...
- 人工神经网络表示一类机器学习的模型，最初是受到了哺乳动物中央神经系统研究的启发。网络由相互连接的分层组织的神经元组成，这些神经元在达到一定条件时就会互相交换信息（专业术语是激发（fire））。最初的研究开始于20世纪50年代后期，当时引入了感知机（Perceptron）模型（更多信息请参考文章《The Perceptron: A Probabilistic Model for Informa... 人工神经网络表示一类机器学习的模型，最初是受到了哺乳动物中央神经系统研究的启发。网络由相互连接的分层组织的神经元组成，这些神经元在达到一定条件时就会互相交换信息（专业术语是激发（fire））。最初的研究开始于20世纪50年代后期，当时引入了感知机（Perceptron）模型（更多信息请参考文章《The Perceptron: A Probabilistic Model for Informa...
- 前文介绍了人脸API，但没有一个完整的功能实现，各个功能的API始终如散开的珍珠一样，不能串成珠链。到底这套API是如何工作的呢？Person、Person Group、FaceList、Face这些不同的对象是怎么发生联系的呢？于是，我决定写一个相对完整的简单程序，完成一个对人脸进行识别的功能。仔细看了看文档，琢磨了一下。为了实现人脸识别，需要实现以下几个步骤：1、创建一个Person G... 前文介绍了人脸API，但没有一个完整的功能实现，各个功能的API始终如散开的珍珠一样，不能串成珠链。到底这套API是如何工作的呢？Person、Person Group、FaceList、Face这些不同的对象是怎么发生联系的呢？于是，我决定写一个相对完整的简单程序，完成一个对人脸进行识别的功能。仔细看了看文档，琢磨了一下。为了实现人脸识别，需要实现以下几个步骤：1、创建一个Person G...
上滑加载中
推荐直播
-
在昇腾云上部署使用DeepSeek2025/02/14 周五 16:30-18:00
Hao-资深昇腾云解决方案专家
昇腾云上有多种方法部署DeepSeek，讲师一步步演示，解析配置参数的含义和推荐的选择。学完一起动手搭建自己的DeepSeek环境吧！
回顾中
热门标签