- ML岗位面试：11.06早上上海某智能驾驶科技公司(创业)笔试+面试之手撕代码、项目考察、比赛考察、图像算法的考察等 导读：该公司是在同济某次大型招聘会上投的，当时和HR聊了半个多小时，后来有约，但是因为时间冲突，所以一直改到11.06早上。到了该公司，先给我了三个算法题目(限时30分钟)，一个是求字符串中最长对称的子串，另一个是求一个不重复数组内的所有子集，另一个题... ML岗位面试：11.06早上上海某智能驾驶科技公司(创业)笔试+面试之手撕代码、项目考察、比赛考察、图像算法的考察等 导读：该公司是在同济某次大型招聘会上投的，当时和HR聊了半个多小时，后来有约，但是因为时间冲突，所以一直改到11.06早上。到了该公司，先给我了三个算法题目(限时30分钟)，一个是求字符串中最长对称的子串，另一个是求一个不重复数组内的所有子集，另一个题...
- Python语言学习：python语言的特点、入门、基础用法之详细攻略 相关内容Python 基础教程 目录 python语言的特点 python语言的入门 python语言的基础用法 python语言的特点 1、pickle功能：Python 有pickle 这个便利的功能。这个功能可以将程序运行中的对象保存为文件。如果加载保存... Python语言学习：python语言的特点、入门、基础用法之详细攻略 相关内容Python 基础教程 目录 python语言的特点 python语言的入门 python语言的基础用法 python语言的特点 1、pickle功能：Python 有pickle 这个便利的功能。这个功能可以将程序运行中的对象保存为文件。如果加载保存...
- Py之paddlehub：paddlehub的简介、安装、使用方法之详细攻略 目录 paddlehub的简介 paddlehub的安装 paddlehub的使用方法 1、使用PaddleHub下载数据集、预训练模型等 paddlehub的简介 PaddleHub是飞桨预训练模型管理和迁移学习工具，通过Paddle... Py之paddlehub：paddlehub的简介、安装、使用方法之详细攻略 目录 paddlehub的简介 paddlehub的安装 paddlehub的使用方法 1、使用PaddleHub下载数据集、预训练模型等 paddlehub的简介 PaddleHub是飞桨预训练模型管理和迁移学习工具，通过Paddle...
- DL之CNN：利用自定义DeepConvNet【7+1】算法对mnist数据集训练实现手写数字识别、模型评估(99.4%) 目录 输出结果 设计思路 核心代码 输出结果 设计思路 核心代码 network = DeepConvNet() network.load_params("data... DL之CNN：利用自定义DeepConvNet【7+1】算法对mnist数据集训练实现手写数字识别、模型评估(99.4%) 目录 输出结果 设计思路 核心代码 输出结果 设计思路 核心代码 network = DeepConvNet() network.load_params("data...
- DL框架之MXNet ：深度学习框架之MXNet 的简介、安装、使用方法、应用案例之详细攻略 目录 MXNet 的简介 1、优缺点 2、相关文章 3、相关链接 MXNet 的安装 MXNet 的使用方法 1、个人使用总结 2、经典模型集合—MXNet Model Zoo 3、模型分类 MXNet 的应用案例 MXNet 的简介 ... DL框架之MXNet ：深度学习框架之MXNet 的简介、安装、使用方法、应用案例之详细攻略 目录 MXNet 的简介 1、优缺点 2、相关文章 3、相关链接 MXNet 的安装 MXNet 的使用方法 1、个人使用总结 2、经典模型集合—MXNet Model Zoo 3、模型分类 MXNet 的应用案例 MXNet 的简介 ...
- Py之Pandas：Python的pandas库简介、安装、使用方法详细攻略 目录 pandas库简介 pandas库安装 pandas库使用方法 1、函数使用方法 2、使用经验总结 3、绘图相关操作 推荐文章Py之Pandas：Python的pandas库简介、安装、使用方法详细攻略Python之pandas：DataFram... Py之Pandas：Python的pandas库简介、安装、使用方法详细攻略 目录 pandas库简介 pandas库安装 pandas库使用方法 1、函数使用方法 2、使用经验总结 3、绘图相关操作 推荐文章Py之Pandas：Python的pandas库简介、安装、使用方法详细攻略Python之pandas：DataFram...
- DL之NN：NN算法(本地数据集50000张训练集图片)进阶优化之三种参数改进，进一步提高手写数字图片识别的准确率 导读 上一篇文章，比较了三种算法实现对手写数字识别，其中，SVM和神经网络算法表现非常好准确率都在90%以上，本文章进一步探讨对神经网络算法优化，进一步提高准确率，通过测试发现，准确率提高了很多。 相关文章CNN：人工智能之神经网络算法进阶优化，六... DL之NN：NN算法(本地数据集50000张训练集图片)进阶优化之三种参数改进，进一步提高手写数字图片识别的准确率 导读 上一篇文章，比较了三种算法实现对手写数字识别，其中，SVM和神经网络算法表现非常好准确率都在90%以上，本文章进一步探讨对神经网络算法优化，进一步提高准确率，通过测试发现，准确率提高了很多。 相关文章CNN：人工智能之神经网络算法进阶优化，六...
- CV之YOLOv3：深度学习之计算机视觉神经网络Yolov3-5clessses训练自己的数据集全程记录 目录 视频请观看 训练输出记录 视频请观看 深度学习之计算机视觉神经网络训练Yolov3-5clessses_全程记录01 深度学习之计算机视觉神经网络训练Yolov3-5cle... CV之YOLOv3：深度学习之计算机视觉神经网络Yolov3-5clessses训练自己的数据集全程记录 目录 视频请观看 训练输出记录 视频请观看 深度学习之计算机视觉神经网络训练Yolov3-5clessses_全程记录01 深度学习之计算机视觉神经网络训练Yolov3-5cle...
- 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
上滑加载中
推荐直播
-
华为云码道 × 仓颉编程：工程化AI编码探索2026/05/27 周三 19:00-21:00
刘俊杰-华为云仓颉语言专家/李炎-华为云码道技术专家/王智鹏-OpenCangjie开源社区发起人
本场直播围绕华为云仓颉语言与华为云码道的深度结合，展示华为云智能编程从零基础到高效落地的完整生态能力。以华为云码道为引擎，仓颉语言为载体，带给大家日常提效、趣味创新到极速量产的开发体验。
回顾中 -
一个AI团队帮你写代码：华为云码道Agent Space实战2026/06/25 周四 19:00-21:00
张翰文-华为云码道工程师/郭英旭-青软创新科技集团股份有限公司 软件架构师
本场直播聚焦华为云码道Agent Space两大模式：研发办公、代码开发，亲身体验从需求到代码的AI自动化能力。实操演示基于华为 CodeArts CLI，依托 OpenSpec 规格体系从零搭建业务项目。
回顾中
热门标签