勋章
我关注的人
粉丝
技术能力
- Python
- 前端开发
暂时未有相关云产品技术能力~
欢迎各位对内容方向及质量提需求，我们尽量满足，将国外优质的内容呈现给大家！
-
发表了文章 2017-12-04
神经网络入门实例
人工神经网络现在非常流行，它应用于图像识别、自然语言处理和自动驾驶汽车等各个领域。作者是一名专业的数据科学家，他写下这篇文章，希望能帮助其他人了解人工神经网络。
-
发表了文章 2017-12-02
神经网络入门指南
多层感知器和反向传播算法是什么？他们的工作原理又是怎样的？刚刚入门机器学习的你，是不是还在被这些问题困扰呢？今天我们就通过一些生动形象的例子来向大家介绍神经网络。
-
发表了文章 2017-12-01
用数独游戏来解释循环关系网络（Recurrent Relation Networks）
数独游戏如何用深度学习攻破？RRN是个什么东东？来看看这篇文章吧，了解一下吧。
-
发表了文章 2017-12-01
深度学习和普通机器学习之间有何区别？
文章标题是个很有趣的问题，深度学习作为机器学习的子集，它和普通机器学习之间到底有什么区别呢？作者使用了一种很普通的方式来回答这个问题。
-
发表了文章 2017-11-28
机器学习小白如何成长为业内专家？
作者用了十八个月的时间从一个机器学习小白成长为业内专家，总结了一套属于自己的机器学习入门方法。
-
发表了文章 2017-11-28
“突发性死亡”的终结者
医疗AI历史性的一刻，让科技真正的转化为延续人类生命的方法。作者通过对斯坦福大学医院数据的汇总，开发了一套深度学习系统，并生成一篇论文。该论文在2017年IEEE生物信息学和生物医学国际会议上获得最佳学习论文奖。
-
发表了文章 2017-11-28
CNN高效感受野的惊奇发现
在这篇文章中，“高效感受野”（ERF）的理念和在卷积神经网络（CNN）上自然产生的视觉有着惊人的关系。
-
发表了文章 2017-11-23
数据科学家实操之路
Kaggle最近进行了一项旨在评估数据科学和机器学习当前发展状况的调查。 他们收到了将近17000份答卷，并利用这些答卷做出了大量的分析。
-
发表了文章 2017-11-20
开启数据科学职业生涯的8个基本技巧
本文为数据科学家开创数据科学事业铺平了道路。只要按照这八个小贴士来做，你就能让自己的职业生涯有一个良好的开端。
-
发表了文章 2017-11-20
从超级玛丽说起，谈谈如何为机器赋予好奇心
如何让机器付有好奇心？加州大学伯克利分校研究团队给出了答案。
-
发表了文章 2017-11-17
深度学习入门：投身深度学习你需要哪些准备？
当你想要进入深度学习这个领域时，需要准备什么呢？本文将会给你解答
-
发表了文章 2017-11-17
机器学习算法选用指南
本文对机器学习的一些基本概念给出了简要的介绍，并对不同任务中使用不同类型的机器学习算法给出一点建议。
-
发表了文章 2017-11-16
TensorFlow实现神经网络入门篇
什么项目可以使用神经网络？使用神经网络的一般工作流程是什么？本文作者将在本文中一一讲述，并且在文末提供了一个TensorFlow实现的小例子，以便大家的学习入门。
-
发表了文章 2017-11-15
机器学习初学者必须知道的十大算法
还在为不知道学什么算法入门机器学习感到头疼？本文作者通过自身的学习向初学者介绍十大机器学习（ML）算法，并附有数字和实例以便于理解。
-
发表了文章 2017-11-13
Keras新手“入坑”指南
你对学习使用Keras感兴趣吗?你是否已经对神经网络的工作方式有一定的了解?看看这个精简的七步计划，从新手开始尽快地掌握Keras基础知识。
-
发表了文章 2017-11-13
用Keras开发字符级神经网络语言模型
通过学习本教程，你将学会如何开发基于字符的神经网络语言模型，包括：如何针对基于字符的语言建模准备文本，如何使用LSTM开发基于字符的语言模型，如何使用训练过的基于字符的语言模型来生成文本。
-
发表了文章 2017-11-12
从神经科学到计算机视觉：人类与计算机视觉五十年回顾
本文简单的介绍了神经网络近50年的发展历程，从1968年的Hubel和Wiesel开展的猫实验，一直到李飞飞教授等人的成果。从本质上讲解了人工神经网络的原理及学习过程，对于想了解神经网络起源及发展历程的读者而言，是一篇较为合适的文章。
-
发表了文章 2017-11-10
Keras词级自然语言模型
语言模型是许多自然语言处理模型（如机器翻译和语音识别）中的关键元素，本文就两个小例子带你创建简单的语言模型，附加中有源码！
-
发表了文章 2017-11-09
TensorFlow入门指南
TensorFlow初学者不妨可以看看，相信会有所帮助。
-
发表了文章 2017-11-08
Anaconda GPU计算入门指南
随着人工智能时代的到来，计算能力变得越来越重要。GPU计算已经成为了必然的趋势，对于机器学习爱好者来说要想训练一个高质量的神经网络，使用GPU无疑是最佳选择。
-
发表了文章 2017-11-08
Keras编解码模型序列预测
编解码模型提供了一种使用循环神经网络来解决诸如机器翻译这样的序列预测问题的模式。通过本教程，你将学会如何用Keras为序列预测问题开发复杂的编解码循环神经网络。
-
发表了文章 2017-11-08
机器学习时代的到来，企业该如何驾驭
随着机器学习受到的关注和应用越来越多，作为一个想成为机器学习的公司，该如何做呢？本文从不同的方面详细介绍了一个机器学习公司应当做哪些准备。
-
发表了文章 2017-11-07
自然语言处理的6大法宝
什么是人工神经网络？它是如何工作的？在自然语言处理中使用不同类型的人工神经网络到底能达到什么效果？今天我们就通过这篇文章简单地探讨一下这些问题。
-
发表了文章 2017-11-06
深度网络图像分割通俗指南
本文介绍如何使用当前最先进的深度学习方法来区分图像中的前景与背景、家具与非家具，并从一张照片中提取出椅子。
-
发表了文章 2017-11-06
深度卷积对抗生成网络(DCGAN)实战
本文作者通过一个实战小例子介绍了什么是GANS，如何使用TensorFlow来实现GANS，对于想要了解GANS的学习者来说，这篇文章绝对入门。
-
发表了文章 2017-11-04
数据科学家需要掌握的10项统计技术，快来测一测吧
本文给出了数据科学应用中的十项统计学习知识点，相信会对数据科学家有一定的帮助。
-
发表了文章 2017-11-03
入门篇：卷积神经网络指南（一）
何为卷积神经网络，它来自何方？又要走向何处？跟着作者的节奏，一起来开始探索CNN吧。
-
发表了文章 2017-11-02
Keras多GPU训练指南
随着Keras（v2.0.8）最新版本的发布，使用多GPU 训练深度神经网络将变得非常容易，就跟调用函数一样简单!利用多GPU，能够获得准线性的提速。
-
发表了文章 2017-11-01
如何将TensorFlow用作计算框架
如果你刚刚接触TensorFlow并想使用其来作为计算框架，那么本文是你的一个很好的选择，阅读它相信会对你有所帮助。
-
发表了文章 2017-11-01
2017数据科学与机器学习行业现状调查 Python是最受欢迎的语言
最近，Kaggle这一互联网上最著名的数据科学竞赛平台首次进行了机器学习与数据科学现状调查。在超过 16000 名从业者的答卷中，我们可以一窥目前该行业的发展趋势。
-
发表了文章 2017-10-31
文本向量化初学者指南
深度学习的火热已经深度的影响着文本向量化的发展，各种技术概念的提出与实践应用，也使得文本向量化由原始阶段走向了自主学习阶段。接下来就让我们随着作者的思绪一起去探究哪些技术概念为文本向量化的发展提供了技术支持，以及文本向量化又会朝着一个怎样的结果发展。
-
发表了文章 2017-10-30
深度学习小技巧（二）：如何保存和恢复scikit-learn训练的模型
深度学习小技巧掌握：作者通过一个简单的例子详细介绍了如何将训练过程中的深度学习模型保存，然后如何加载。有了这个小技巧，再也不用担心在训练模型中出错了。
-
发表了文章 2017-10-30
深度学习小技巧（一）：如何保存和恢复TensorFlow训练的模型
深度学习小技巧掌握：作者通过一个简单的例子详细介绍了如何将训练过程中的深度学习模型保存，然后如何加载。有了这个小技巧，再也不用担心在训练模型中出错了。
-
发表了文章 2017-10-27
keras中最常用深度学习的API
本文作者通过几个小例子带你了解强大的深度学习API，有了这些知识，建立属于自己的深度学习程序将不成问题！
-
发表了文章 2017-10-23
AlphaGo Zero：从头开始学习
AlphaGo zero这几天在人工智能领域掀起了不小的风浪，AlphaGo zero到底是否能够达到我们所说的通用人工智能的标准呢？
-
发表了文章 2017-10-20
秒懂！看机器学习如何净化处理文本
通过本教程，你可以学到如何开发简单的文本净化工具，如何使用NLTK库中更复杂的方法，以及在使用现代文字表示方法时如何处理文本。
-
发表了文章 2017-10-17
支持向量机分类实战
对于机器学习者来说，SVM是非常重要的监督式学习模型之一，本文通过几个小例子，通俗的介绍了SVM的基本思想和关键信息，值得尝试。（文中源码）
-
发表了文章 2017-10-16
不知道这些AI知识，可能你就out了！
为什么人工智能，机器学习突然之间成了热门话题，变成IT领域，甚至其他领域的人们都在讨论的热点？也许文章的作者会给你一点这方面的思考。
-
发表了文章 2017-10-15
是什么让 AI 时代真正到来
AI 已经在众多领域带来了革新，取代了众多人类的工作，改变未来学生必须具备的技能——这都是怎么发生的？
-
发表了文章 2017-10-15
考察数据科学家支持向量机（SVM）知识的25道题，快来测测吧
本套自测题专为SVM及其应用而设计，目前超过550人注册了这个测试，最终得满分的人却很少，[doge],一起来看看你的SVM知识能得多少分吧，顺便还能查漏补缺哦。
-
发表了文章 2017-10-14
行业资深专家切身经验——给数据科学家新手的建议
本文是行业资深从事人员写的关于数据科学的个人反思，一份关于数据科学之路及科研认知的心路历程，相信本文对许多有抱负的数据科学家是非常有用的。
-
发表了文章 2017-10-14
词袋模型的通俗介绍
作者在文章中用浅显的语言介绍了词袋模型是什么、存在的意义是什么等问题，内容丰富，思路清晰，浅显易懂，但又不失文章所述内容的专业性、技术性，值得一读。
-
发表了文章 2017-10-13
人类医生的结束——前沿医学人工智能的研究（Part 1）
随着人工智能的发展，医疗AI也逐渐引人深思，机器真的可以代替医生吗？不妨往下看
-
发表了文章 2017-10-12
AI工具包
AI现在已经成为当下最流行的领域，作者通过分析其技术的支持，整理了AI工具包，编者也顺带向读者推荐了阿里云相关的学习资料，以方便大家学习。
-
发表了文章 2017-10-11
应用机器学习：传道解惑指南
本文作者编辑了一份包括概念、定义、资源以及工具的知识合集，这对于在这个复杂领域从事工作的人来说非常有用。
-
发表了文章 2017-10-10
送机器学习电子书——(TensorFlow)RNN入门
本文作者正在写自己的新书Machine Learning with TensorFlow，这篇博文只是他新书的一小部分，作者用简单的语言介绍了RNN，不用一个小例子介绍了如何使用Tensorflow中内置的RNN模型进行预测。
-
发表了文章 2017-10-10
李飞飞访谈：AI以人为本——之笔者见
AI未来发展以人为本，这是麻省理工学院技术评论高级编辑威尔•奈特与人工智能学者李飞飞进行深度探讨后的结论。笔者在其二人讨论的基础上加以分析，总结了一些自己的看法。
-
发表了文章 2017-10-09
关于Numba你可能不了解的七个方面
目前Numba正被开始流行使用来加速Python程序，本文讲解了七个大家可能不了解的方面，希望对大家有所帮助
-
发表了文章 2017-10-09
机器学习快速入门：你必须知道的三大算法
每天霸占新闻头条的“机器学习”，想入门，先看懂这三大算法。
-
发表了文章 2017-10-09
如何从TensorFlow迁移到PyTorch
PyTorch是一个发展迅速的框架，并拥有一个很棒的社区。这个框架很容易使用，编起代码来也很开心。
-
发表了文章
2019-05-09
Pandas时序数据处理入门
-
发表了文章
2019-04-27
基于TensorFlow.js的JavaScript机器学习
-
发表了文章
2019-04-26
AutoML数据增广
-
发表了文章
2019-04-15
像数据科学家一样思考：12步指南（下）
-
发表了文章
2019-04-11
像数据科学家一样思考：12步指南（中）
-
发表了文章
2019-04-10
像数据科学家一样思考：12步指南（上）
-
发表了文章
2019-04-06
手把手教程：用Python开发一个自然语言处理模型，并用Flask进行部署
-
发表了文章
2019-04-05
深度揭秘：机器学习对软件开发带来哪些影响？
-
发表了文章
2019-04-05
自己动手玩转深度学习项目
-
发表了文章
2019-03-24
自然语言生成（NLG）的好处是什么，它如何影响BI？
-
发表了文章
2019-03-24
图解梯度下降背后的数学原理
-
发表了文章
2019-03-24
手把手教你使用TF服务将TensorFlow模型部署到生产环境
-
发表了文章
2019-03-24
这些数据科学家必备的技能，你拥有哪些？
-
发表了文章
2019-03-24
GAN的一些很酷的应用
-
发表了文章
2019-03-24
10个你应该了解的Git命令(以及Git省时小窍门)
-
发表了文章
2019-03-23
一文纵览自然语言生成的发展
-
发表了文章
2019-03-23
词嵌入和矩阵分解的统一
-
发表了文章
2019-03-23
只需10分钟！就能用Flask，Docker和Jenkins部署机器学习模型
-
发表了文章
2019-03-23
深度学习最佳图书推荐(2019版)
-
发表了文章
2019-03-22
数据科学家为什要用Git？怎么用？
-
提交了问题
2018-11-17
如何实现不管窗口时间，在Apache Flink中组合两个数据流？
-
提交了问题
2018-11-17
如何在Scala中使用Flink的KafkaSource？
-
提交了问题
2018-11-17
Flink和Storm之间的主要区别是什么？
-
回答了问题
2019-07-17
如何在Scala中使用Flink的KafkaSource？
问题似乎是SBT和Maven配置文件不能很好地协同工作。Flink POM将Scala版本（2.10,2.11，...）称为变量，其中一些在构建配置文件中定义。 SBT未正确评估配置文件，因此包装无法正常工作。 使用以下build.sbt：organization := 'pl.japila.kafka'scalaVersion := '2.11.7' libraryDependencies += 'org.apache.flink' % 'flink-connector-kafka' % '0.9.0' exclude('org.apache.kafka', 'kafka_${scala.binary.version}')libraryDependencies += 'org.apache.kafka' %% 'kafka' % '0.8.2.1'运行如下:import org.apache.flink.streaming.api.environment._import org.apache.flink.streaming.connectors.kafkaimport org.apache.flink.streaming.connectors.kafka.api._import org.apache.flink.streaming.util.serialization._ object TestKafka { def main(args: Array[String]) { val env = StreamExecutionEnvironment.getExecutionEnvironment val stream = env .addSource(new KafkaSource[String]('localhost:2181', 'test', new SimpleStringSchema)) .print }}输出：[kafka-flink]> run[info] Running TestKafkalog4j:WARN No appenders could be found for logger (org.apache.flink.streaming.api.graph.StreamGraph).log4j:WARN Please initialize the log4j system properly.log4j:WARN See http://logging.apache.org/log4j/1.2/faq.html#noconfig for more info.[success] Total time: 0 s, completed Jul 15, 2015 9:29:31 AM赞0 踩0 评论0 -
回答了问题
2019-07-17
Flink和Storm之间的主要区别是什么？
Flink是统一流和批处理的框架。由于并行任务之间的流水线数据传输，Flink运行时本身支持这两个域。记录被立即地从生产任务发送到接收任务，可以使用阻塞数据传输选择性地执行批处理作业。Spark是一个支持批处理和流处理的框架,但和Flink在内部方面有所不同。对于流式传输，两种系统都遵循非常不同的方法（小批量与流式传输），这使得它们适用于不同类型的应用。赞0 踩0 评论0