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 2018-05-31
关于深度学习，这些知识点你需要了解一下
想要学习深度学习，不了解这些知识点，怕是学不好哦~
-
发表了文章 2018-05-28
关于神经网络，这里有你想要了解的一切！
想要学习神经网络？不了解这些东西怎么能行。
-
发表了文章 2018-05-28
进入深度学习之前，想清楚这些问题！
想学深度学习？心里能没点啥数吗？
-
发表了文章 2018-05-27
深度学习任务面临非平衡数据问题？试试这个简单方法
对于数据科学或机器学习研究者而言，当解决任何机器学习问题时，可能面临的最大问题之一就是训练数据不平衡的问题。本文使用最简单的过采样方法解决驼背鲸鱼分类任务，取得了很好的效果。
-
发表了文章 2018-05-25
入门项目数字手写体识别：使用Keras完成CNN模型搭建
本文是通过Keras实现深度学习入门项目——数字手写体识别，整个流程介绍比较详细，适合初学者上手实践。
-
发表了文章 2018-05-24
语义图像分割概览
本文讨论如何利用卷积神经网络进行语义图像分割的任务。
-
发表了文章 2018-05-23
深度学习技巧与窍门
本文是根据自身构建深度学习模型总结而来，适合有一定深度学习基础的读者阅读。
-
发表了文章 2018-05-22
KernelML——一种广义机器学习算法
通过阅读本文，我们可以了解一个名为KernelML的Python软件包，该软件包旨在为分析师和数据科学家提供针对于复杂损失函数和非线性系数的广义机器学习算法。
-
发表了文章 2018-05-21
深度剖析卷积神经网络
深度了解卷积神经网络各个组件，顺带自建一个属于自己的神经网络。
-
发表了文章 2018-05-21
对数据科学家来说最重要的算法和统计模型
本文提供了工业中常用的关键算法和统计技术的概要，以及与这些技术相关的短缺资源。
-
发表了文章 2018-05-20
通用词向量、句向量研究现状
目前，词和语句的嵌入已经成为任何基于深度训练的自然语言处理系统的重要组成部分。自然语言处理系统在固定长度的密集向量中编码单词和语句，从而通过神经网络极大地改进文本数据的处理。
-
发表了文章 2018-05-20
用自己的数据训练Mask R-CNN目标检测/分割模型
本文讲述了如何使用Mask-CNN对图像中的大量数据进行目标识别与目标分割。
-
发表了文章 2018-05-20
手把手教你如何提高神经网络的性能
神经网络性能不够好？来学习下如何提升你的神经网络性能吧！
-
发表了文章 2018-05-19
通过神经元缺少了解深度学习
深层神经网络由许多单独的神经元组成，它们以复杂的、反直觉的方式结合起来，解决各种各样具有挑战性的任务。这种复杂性赋予了神经网络权力，但也使他们获得了令人困惑和不透明的黑盒的名声。 了解神经网络的深层功能对于解释它们的决定并使我们能够构建更强大的系统至关重要。
-
发表了文章 2018-05-17
想将算法进一步开发吗？手把手教你搭建基于CNN模型的Flask Web应用
想将算法进一步开发应用产品吗？本文手把手教你搭建基于CNN模型的Flask Web应用，算是抛砖引玉了。感兴趣的读者可以将自己的算法开发成其他类型的应用产品，说不定下一个人工智能创业公司Boss就是你哦！
-
发表了文章 2018-05-17
手把手教你监督学习（附python实战代码）
想学监督学习？底子一定要打好！
-
发表了文章 2018-05-17
实践心得：从读论文到复现到为开源贡献代码
本文讲述了从在fast.ai库中读论文，到根据论文复制实验并做出改进，并将改进后的开源代码放入fast.ai库中。
-
发表了文章 2018-05-16
神经引导演绎搜索：两全其美的程序合成方法
程序合成——自动生成满足给定规范的程序——是AI领域的一个主要挑战。它除了改变设计软件的方法外，它还具有彻底创新任务自动化的潜力。
-
发表了文章 2018-05-14
结构虽简单，但性能强悍——3个小型卷积神经网络简介
本文介绍了三种小型结构的卷积神经网络，在稍微降低性能的前提下，大大降低了计算复杂度。此外，无需使用高性能计算机即可进行仿真运行，适合初学者仿真体验。
-
发表了文章 2018-05-14
GAN网络通俗解释（图画版）
最通俗的GAN网络介绍！
-
发表了文章 2018-05-13
当人工智能遇见量子计算
当人工智能碰见量子计算到底会产生什么样的化学反应呢？
-
发表了文章 2018-05-11
吴恩达（Andrew Ng）新书给出的七点建议|附新书下载链接
本文是阅读吴恩达老师新书后总结出最有用且最有趣的七点建议，对机器学习工程应用和学术研究人员都有一定的帮助。
-
发表了文章 2018-05-08
不懂得如何优化CNN图像分类模型？这有一份综合设计指南请供查阅
本文是一篇关于使用CNN完成图像分类的综合设计指南，涵盖了一些模型设计、模型优化以及数据处理经验，是一份适合图像分类方向研究者参考的综合设计指南。
-
发表了文章 2018-05-06
让机器“读懂”放射学报告
利用基于规则的NLP系统让机器"读懂"放射学报告，准确率比基于机器学习的NLP系统要高。
-
发表了文章 2018-05-05
智能手机跑大规模神经网络的主要策略
这些方法可以让深度学习跑在你的手机上！
-
发表了文章 2018-05-01
隐私与机器学习，二者可以兼得吗？
隐私数据与机器学习看似矛盾，其实不然。如何有效保护机器学习训练中的隐私数据？谷歌专家给出了答案——PATE框架，就算你不太懂隐私保护的知识，也可以通过PATE框架来保护机器学习里的训练数据。
-
发表了文章 2018-04-30
Michael Jordan：当下的AI其实都是伪“AI”
Michael Jordan认真的解读当下的AI到底是什么？
-
发表了文章 2018-04-28
仅使用NumPy完成卷积神经网络CNN的搭建（附Python代码）
现有的Caffe、TensorFlow等工具箱已经很好地实现CNN模型，但这些工具箱需要的硬件资源比较多，不利于初学者实践和理解。因此，本文教大家如何仅使用NumPy来构建卷积神经网络（Convolutional Neural Network , CNN）模型，具体实现了卷积层、ReLU激活函数层以及最大池化层（max pooling），代码简单，讲解详细。
-
发表了文章 2018-04-27
迁移学习
到底是迁移学习？什么时候使用它？如何使用它？
-
发表了文章 2018-04-27
神经网络的优缺点
深度学习目前受到了追捧。人们想将神经网络应用到各个地方，但是它们真的适合每个地方吗？在本篇文章中，将对于这个问题以及深度学习现在如此受追捧的原因进行讨论。
-
发表了文章 2018-04-26
银行业AI：炒作背后的现实——“尽管对新技术感到兴奋，但银行业态度非常谨慎”
在人工智能火热的今天，银行业是如何看待人工智能对其的影响呢？答案可能出人意料。
-
发表了文章 2018-04-25
超详细！上线一个机器学习项目你需要哪些准备？
Canvas是用于设计和记录机器学习系统的模板。它比简单的文本文档具有优势，因为Canvas用简单的部件通过部件之间的相关性来寻找机器学习系统的关键组件。这个工具已经很流行，因为它对复杂项目进行了可视化操作。 在本文中，我们通过列举数据科学家遇到的实际问题和实用的技巧来描述Canvas的每个部分。
-
发表了文章 2018-04-25
数据科学指南
本文为学习数据科学的指南，从编程语言、数据库管理、数据收集和整理方法、特征工程、机器学习模型、模型评估方面进行讲述。
-
发表了文章 2018-04-24
超干货｜使用Keras和CNN构建分类器（内含代码和讲解）
为了让文章不那么枯燥，我构建了一个精灵图鉴数据集（Pokedex）这都是一些受欢迎的精灵图。我们在已经准备好的图像数据集上，使用Keras库训练一个卷积神经网络（CNN）。
-
发表了文章 2018-04-22
在一头扎进机器学习前应该知道的那些事儿
本文简单总结了机器学习的几大任务及其对应的方法，方便初学者根据自己的任务选择合适的方法。当掌握机器学习基本知识以及清楚自己所要处理的任务后，应用机器学习就不会那么难了。
-
发表了文章 2018-04-21
全连接网络到卷积神经网络逐步推导（组图无公式）
在图像分析中，卷积神经网络（Convolutional Neural Networks, CNN）在时间和内存方面优于全连接网络（Full Connected, FC）。这是为什么呢？卷积神经网络优于全连接网络的优势是什么呢？卷积神经网络是如何从全连接网络中派生出来的呢？卷积神经网络这个术语又是从哪里而来？这些问题在本文中一一为大家解答。
-
发表了文章 2018-04-20
七本书籍带你打下机器学习和数据科学的数学基础
本文主要介绍七本关于机器学习和数据科学数学基础的经典教材，是一份不可多得的书单整理。
-
发表了文章 2018-04-19
该放弃正在堕落的“RNN和LSTM”了
随着技术的发展，作者觉得是时候放弃LSTM和RNN了！到底为什么呢？来看看吧～
-
发表了文章 2018-04-19
如何从机器学习数据中获取更多收益
本文讲解一些关于机器学习数据集的小技巧，分享个人经验，可供读者参考。
-
发表了文章 2018-04-18
如何选择开源的机器学习框架？
机器学习的快速发展，使得市面上出现了很多开源框架，到底如何选择正确的框架呢？今天我们就来谈一谈。
-
发表了文章 2018-04-18
基于Keras机器学习库的分类预测
在Python中如何使用Keras模型对分类、回归进行预测？本文简述了其实现原理和代码实现。
-
发表了文章 2018-04-16
论文解读：华盛顿大学教授Pedro Domingos技术论文：机器学习中一些有用的知识（二）
这是机器学习研究人员和从业人员所学到的12个关键经验教训的总结，包括避免陷阱，重点问题以及常见问题的答案。
-
发表了文章 2018-04-16
基于scikit-learn机器学习库的分类预测
在Python中如何使用scikit-learn模型对分类、回归进行预测？本文简述了其实现原理和代码实现。
-
发表了文章 2018-04-16
一篇深度学习论文背后的大规模在线协作
本文讲述大规模的在线合作完成了一篇深度学习论文，共同研究深度学习在生物医学领域的开发与潜力。
-
发表了文章 2018-04-15
深度学习精要之CapsuleNets理论与实践（附Python代码）
本文对胶囊网络进行了非技术性的简要概括，分析了其两个重要属性，之后针对MNIST手写体数据集上验证多层感知机、卷积神经网络以及胶囊网络的性能。
-
发表了文章 2018-04-15
机器学习研究人员需要了解的8个神经网络架构（下）
本文简要讲述了8种机器学习架构，希望可以给大家带来帮助
-
发表了文章 2018-04-15
机器学习研究人员需要了解的8个神经网络架构（上）
本文简要讲述了8种机器学习架构，希望可以给大家带来帮助
-
发表了文章 2018-04-15
理解递归神经网络-part1
递归神经网络是什么？传统的神经网络有哪些局限性？本文会为你揭开递归神经网络的面纱。
-
发表了文章 2018-04-14
改变你对世界看法的五大计算机视觉技术
本文主要介绍计算机视觉中主要的五大技术，分别为图像分类、目标检测、目标跟踪、语义分割以及物体分割。针对每项技术都给出了基本概念及相应的典型方法，简单通俗、适合阅读。
-
发表了文章 2018-04-14
TensorFlow新功能：TensorFlow Probability概率编程工具箱介绍
2018年，tensorflow开发者峰会上，tensorflow管理人员发布了：TensorFlow Probability——一种概率编程工具箱，用于机器学习研究人员和从业人员快速可靠地构建利用最先进硬件的复杂模型。快来学习一下吧～
-
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