- CV之FC(H+k机器学习)：基于每人几张人脸图片训练H+k模型实现(国内外明星)新人脸图像的姓名预测(准确度高达100%) 目录 输出结果 设计思路 输出结果 设计思路 CV之FC(H+k机器学习)：基于每人几张人脸图片训练H+k模型实现(国内外明星)新人脸图像的姓名预测(准确度高达100%) 目录 输出结果 设计思路 输出结果 设计思路
- ML之lightgbm.sklearn：LGBMClassifier函数的简介、具体案例、调参技巧之详细攻略 目录 LGBMClassifier函数的简介、具体案例、调参技巧 LGBMClassifier函数的调参技巧 1、lightGBM适合较大数据集的样本 2、建议使用更小的learning_rat... ML之lightgbm.sklearn：LGBMClassifier函数的简介、具体案例、调参技巧之详细攻略 目录 LGBMClassifier函数的简介、具体案例、调参技巧 LGBMClassifier函数的调参技巧 1、lightGBM适合较大数据集的样本 2、建议使用更小的learning_rat...
- ML之UliR：利用非线性回归，梯度下降法(迭代十万次)求出学习参数θ，进而求得Cost函数最优值 目录 输出结果 代码设计 输出结果 更新…… 代码设计 import numpy as np import random def genData(numPoints,bias,variance): x = np.zeros(... ML之UliR：利用非线性回归，梯度下降法(迭代十万次)求出学习参数θ，进而求得Cost函数最优值 目录 输出结果 代码设计 输出结果 更新…… 代码设计 import numpy as np import random def genData(numPoints,bias,variance): x = np.zeros(...
- DL之LeNet-5：LeNet-5算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略 目录 LeNet-5算法的简介(论文介绍) LeNet-5算法的架构详解 1、LeNet-5 结构分析 2、各层详细说明 3、以手写数字3为例详细理解LeNet-5算法过程 4、LeNet-5为例可视化 5、LeNet-5算法的设计思路 Le... DL之LeNet-5：LeNet-5算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略 目录 LeNet-5算法的简介(论文介绍) LeNet-5算法的架构详解 1、LeNet-5 结构分析 2、各层详细说明 3、以手写数字3为例详细理解LeNet-5算法过程 4、LeNet-5为例可视化 5、LeNet-5算法的设计思路 Le...
- ML之LF：机器学习中常见的损失函数(连续型/离散型)的简介、损失函数/代价函数/目标函数之间区别、案例应用之详细攻略 目录 损失函数的简介 损失函数/代价函数/目标函数之间区别 损失函数的案例应用 损失函数的简介 损失函数，又称目标函数，或误差函数，用来度量网络实际输出与期望输出之间的不一致程度，指导网络的参数学... ML之LF：机器学习中常见的损失函数(连续型/离散型)的简介、损失函数/代价函数/目标函数之间区别、案例应用之详细攻略 目录 损失函数的简介 损失函数/代价函数/目标函数之间区别 损失函数的案例应用 损失函数的简介 损失函数，又称目标函数，或误差函数，用来度量网络实际输出与期望输出之间的不一致程度，指导网络的参数学...
- ML之SVM：SVM算法的简介、应用、经典案例之详细攻略 目录 SVM算法的简介 1、SVM模型分类—线性可分、线性、非线性 2、SVM的决策边界 3、SVM中的核函数 4、SVM算法推导 1.1、SVM转为对偶问题的求解—SMO算法思 5、SVM中“损失+惩罚”框架的灵活性 6、SVM的损失函数分析 SVM的应用——解决的问题类型 1、SV... ML之SVM：SVM算法的简介、应用、经典案例之详细攻略 目录 SVM算法的简介 1、SVM模型分类—线性可分、线性、非线性 2、SVM的决策边界 3、SVM中的核函数 4、SVM算法推导 1.1、SVM转为对偶问题的求解—SMO算法思 5、SVM中“损失+惩罚”框架的灵活性 6、SVM的损失函数分析 SVM的应用——解决的问题类型 1、SV...
- ML：互联网人工智能岗位求职之机器学习算法工程师必备知识框架结构 目录 机器学习算法工程师思维导图 机器学习算法工程师思维导图 后期继续更新…… 1、思维导图01 ML：互联网人工智能岗位求职之机器学习算法工程师必备知识框架结构 目录 机器学习算法工程师思维导图 机器学习算法工程师思维导图 后期继续更新…… 1、思维导图01
- NLP：自然语言处理技术的简介、发展历史、案例应用之详细攻略 目录 自然语言处理技术的简介 1、自然语言+处理 2、NLP技术的意义 3、NLP的两个方向——自然语言理解和自然语言生成 4、自然语言理解的五个层次 5、图灵试验判断计算机是否理解了某种自然语言 自然语言处理技术的发展历史 1、20世纪50年代到70年代——采用基于规则的方法 2、... NLP：自然语言处理技术的简介、发展历史、案例应用之详细攻略 目录 自然语言处理技术的简介 1、自然语言+处理 2、NLP技术的意义 3、NLP的两个方向——自然语言理解和自然语言生成 4、自然语言理解的五个层次 5、图灵试验判断计算机是否理解了某种自然语言 自然语言处理技术的发展历史 1、20世纪50年代到70年代——采用基于规则的方法 2、...
- AI：人工智能领域机器学习算法总结(持续更新)十一大类机器学习算法详细分类之详细攻略 目录 Machine Learning Algorithms 1、Decision Tree决策树相关 Cassification and Regression Tree (CART) ... AI：人工智能领域机器学习算法总结(持续更新)十一大类机器学习算法详细分类之详细攻略 目录 Machine Learning Algorithms 1、Decision Tree决策树相关 Cassification and Regression Tree (CART) ...
- AI：国内外人工智能产业应用图谱应用层/基础层详解 目录 国内外人工智能产业应用图谱 一、应用层 1、AI+医疗 2、AI+家居 3、AI+驾驶 4、AI+零售 5、AI+城市 6、AI+教育 二、基础层 1、算法：为不同应用场景建模和优化不同AI算法 (1... AI：国内外人工智能产业应用图谱应用层/基础层详解 目录 国内外人工智能产业应用图谱 一、应用层 1、AI+医疗 2、AI+家居 3、AI+驾驶 4、AI+零售 5、AI+城市 6、AI+教育 二、基础层 1、算法：为不同应用场景建模和优化不同AI算法 (1...
- CV之NS：图像风格迁移(Neural Style 图像风格变换)算法简介、过程思路、关键步骤配图、案例应用之详细攻略 目录 图像风格迁移算法简介 图像风格迁移算法过程思路 1、VGG对比NS 图像风格迁移算法关键步骤 1、根据VGG卷积层的特征还原出对应的原始图像 2、利用风格损失还原的图像 3、 原始图像风格迁移的原理 4、 快速图像风格迁移... CV之NS：图像风格迁移(Neural Style 图像风格变换)算法简介、过程思路、关键步骤配图、案例应用之详细攻略 目录 图像风格迁移算法简介 图像风格迁移算法过程思路 1、VGG对比NS 图像风格迁移算法关键步骤 1、根据VGG卷积层的特征还原出对应的原始图像 2、利用风格损失还原的图像 3、 原始图像风格迁移的原理 4、 快速图像风格迁移...
- CV之YOLO：深度学习之计算机视觉神经网络tiny-yolo-5clessses训练自己的数据集全程记录 目录 训练全部流程记录 训练全部流程记录 1、采用tiny-yolo-5clessses训练自己的数据集全部流程记录 视频请观看 深度学习之计算机视觉神经网络训练tiny-yolo-5clessses_500Y... CV之YOLO：深度学习之计算机视觉神经网络tiny-yolo-5clessses训练自己的数据集全程记录 目录 训练全部流程记录 训练全部流程记录 1、采用tiny-yolo-5clessses训练自己的数据集全部流程记录 视频请观看 深度学习之计算机视觉神经网络训练tiny-yolo-5clessses_500Y...
- 导读：人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。 如何快速了解人工智能学习地图？ 目录 &nbs... 导读：人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。 如何快速了解人工智能学习地图？ 目录 &nbs...
- ML岗位面试：上海某科技公司算法岗位(偏AI算法，国企)技术面试之BN层的认知、BP的推导、GD优化的几种改进等 导读：关于神经网络，问的比较深，因为博主做过总结，所以用自己的语言和案例解释的，回答的还算比较全吧。 BN层的认知 参考博主以前写的文章BN层结构详解—解决反向传播过程中的【梯度消失】与【梯度爆炸】B... ML岗位面试：上海某科技公司算法岗位(偏AI算法，国企)技术面试之BN层的认知、BP的推导、GD优化的几种改进等 导读：关于神经网络，问的比较深，因为博主做过总结，所以用自己的语言和案例解释的，回答的还算比较全吧。 BN层的认知 参考博主以前写的文章BN层结构详解—解决反向传播过程中的【梯度消失】与【梯度爆炸】B...
- ML之FE：数据处理—特征工程之稀疏特征的简介、如何处理、案例应用之详细攻略 目录 稀疏特征的简介 稀疏特征的如何处理 稀疏特征的案例应用 稀疏特征的简介 信号稀疏表示是过去近20年来信号处理界一个非常引人关注的研究领域，众多研究论文和专题研讨会表明了该领域的蓬勃发展。信号稀疏表示的目的就是在给定的超完备字典中用尽可能少的原... ML之FE：数据处理—特征工程之稀疏特征的简介、如何处理、案例应用之详细攻略 目录 稀疏特征的简介 稀疏特征的如何处理 稀疏特征的案例应用 稀疏特征的简介 信号稀疏表示是过去近20年来信号处理界一个非常引人关注的研究领域，众多研究论文和专题研讨会表明了该领域的蓬勃发展。信号稀疏表示的目的就是在给定的超完备字典中用尽可能少的原...
上滑加载中
推荐直播
-
Skill 构建 × 智能创作：基于华为云码道的 AI 内容生产提效方案2026/03/25 周三 19:00-20:00
余伟，华为云软件研发工程师/万邵业（万少），华为云HCDE开发者专家
本次直播带来两大实战：华为云码道 Skill-Creator 手把手搭建专属知识库 Skill；如何用码道提效 OpenClaw 小说文本，打造从大纲到成稿的 AI 原创小说全链路。技术干货 + OPC创作思路，一次讲透！
回顾中 -
码道新技能，AI 新生产力——从自动视频生成到开源项目解析2026/04/08 周三 19:00-21:00
童得力-华为云开发者生态运营总监/何文强-无人机企业AI提效负责人
本次华为云码道 Skill 实战活动，聚焦两大 AI 开发场景：通过实战教学，带你打造 AI 编程自动生成视频 Skill，并实现对 GitHub 热门开源项目的智能知识抽取，手把手掌握 Skill 开发全流程，用 AI 提升研发效率与内容生产力。
回顾中 -
华为云码道：零代码股票智能决策平台全功能实战2026/04/18 周六 10:00-12:00
秦拳德-中软国际教育卓越研究院研究员、华为云金牌讲师、云原生技术专家
利用Tushare接口获取实时行情数据，采用Transformer算法进行时序预测与涨跌分析，并集成DeepSeek API提供智能解读。同时，项目深度结合华为云CodeArts（码道）的代码智能体能力，实现代码一键推送至云端代码仓库，建立起高效、可协作的团队开发新范式。开发者可快速上手，从零打造功能完整的个股筛选、智能分析与风险管控产品。
回顾中
热门标签