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 2019-05-09
Pandas时序数据处理入门
图片来源：https://pixabay.com/ 作为一个几乎每天与时间序列数据打交道的人员，我发现panda Python包在时间序列的操作和分析方面有强大优势。 这篇关于panda时间序列数据处理的基本介绍应该可以带你入门时间序列分析。
-
发表了文章 2019-04-27
基于TensorFlow.js的JavaScript机器学习
虽然python或r编程语言有一个相对容易的学习曲线，但是Web开发人员更喜欢在他们舒适的javascript区域内做事情。目前来看，node.js已经开始向每个领域应用javascript，在这一大趋势下我们需要理解并使用JS进行机器学习。
-
发表了文章 2019-04-26
AutoML数据增广
DeepAugment是一个专注于数据扩充的自动化工具。 它利用贝叶斯优化来发现针对您的图像数据集定制的数据增强策略。 DeepAugment的主要优点和特点是： 降低CNN模型的错误率(WRN-28-10显示CIFAR10的错误率降低了60%) 通过自动化流程可以节省时间 比谷歌之前的解决方案——AutoAugment——快50倍完成的包在PyPI上。
-
发表了文章 2019-04-15
像数据科学家一样思考：12步指南（下）
数据科学家思维到底是什么样的？这篇文章告诉你！
-
发表了文章 2019-04-11
像数据科学家一样思考：12步指南（中）
数据科学家思维到底是什么样的？这篇文章告诉你！文中可获得免费电子书地址！
-
发表了文章 2019-04-10
像数据科学家一样思考：12步指南（上）
数据科学家思维到底是什么样的？这篇文章告诉你！文中可获得免费电子书地址！
-
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
实用性教程！教你如何快速创建一个可用的机器学习程序！
-
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？
当软件开发碰见机器学习，到底能碰撞出什么样的火花呢？
-
发表了文章 2019-04-05
自己动手玩转深度学习项目
深度学习项目何其多？对于入门而言，合适且有趣的项目能产生积极的影响，本文总结了一份计算机视觉领域的几个有趣项目，感兴趣的可以动手尝试一下。
-
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？
足以让小编失业的NLG，到底如何影响BI?
-
发表了文章 2019-03-24
图解梯度下降背后的数学原理
本文讲解了梯度下降的基本概念，并以线性回归为例详细讲解梯度下降算法，主要以图的形式讲解，清晰简单明了。
-
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
训练好的模型不知道如何布置到生产环境？快来学习一下吧！
-
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？
想要成为数据科学家，没有这些技能怎么能行？
-
发表了文章 2019-03-24
GAN的一些很酷的应用
本文主要讲述了生成对抗网络GANs的发展和主要应用。
-
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)
在本文中，我们将讨论那些作为开发人员、数据科学家或产品经理应该知道的各种各样的Git命令。并且将使用Git查看、删除和整理。此外，我们还将介绍如何使用Bash别名和Git编辑器配置转义Vim和节省时间的方法。
-
发表了文章 2019-03-23
一文纵览自然语言生成的发展
从马尔科夫链到Transformer，本文带您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
探究词嵌入与矩阵分解之间的关系。
-
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
一杯茶的功夫部署完成机器学习模型！
-
发表了文章 2019-03-23
深度学习最佳图书推荐(2019版)
爱学习的朋友们注意啦，你的藏书要更新啦！
-
发表了文章 2019-03-22
数据科学家为什要用Git？怎么用？
也许你在别的地方听说过Git。也许有人告诉过你，Git只适合软件开发人员。如果你是数据科学家，那么Git其实对你很重要。本文作者希望能够通过经验分享让你了解Git的重要性，以及如何在你的数据科学工作中使用它。
-
发表了文章 2019-03-21
Transformer原理解析——一种Open AI和DeepMind都在用的神经网络架构
Transformer模型是一种日益流行的神经网络结构。它最近被OpenAI用于他们的语言模型中。与此同时，近期也被DeepMind用于它们的程序“星际争霸”中击败了一名顶级职业星际玩家。 Transformer模型的开发是为了解决序列转换及神经机器翻译问题。
-
发表了文章 2019-03-20
图神经网络(GNN)的简介
近年来，图神经网络(GNN)在社交网络、知识图、推荐系统甚至生命科学等各个领域得到了越来越广泛的应用。GNN在对图节点之间依赖关系进行建模的强大功能，使得与图分析相关的研究领域取得了突破。本文介绍了图神经网络的基本原理，以及两种高级的算法，DeepWalk和GraphSage。
-
发表了文章 2019-03-20
天桥调参师秘籍：一份深度学习超参微调技术指南
一份关于深度学习参数调整指南，涉及学习率、批量大小、动量和权重衰减四种超参数的调参经验，适合在工程实践中尝试应用。
-
发表了文章 2019-03-18
数据清理的终极指南
有数据不知道怎么清理？看完这篇保你不慌！
-
发表了文章 2019-03-18
100行Python代码理解深度学习关键概念：从头构建恶性肿瘤检测网络
100行Python代码理解深度学习关键概念！
-
发表了文章 2019-03-13
2019五个最棒的机器学习课程
爱学习的朋友们，你们的福利来了！2019五个最棒的机器学习课程！！
-
发表了文章 2019-01-30
可应用于实际的14个NLP突破性研究成果（四）
最好的论文是可以直接走出实验室！NLP年度最佳应用论文大集锦！
-
发表了文章 2019-01-29
将视觉深度学习模型应用于非视觉领域
本文可以让你了解到，具有创造性的数据处理方法如何才能将深度学习视觉的功能应用于非视觉的领域。
-
发表了文章 2019-01-28
可应用于实际的14个NLP突破性研究成果（三）
最好的论文是可以直接走出实验室！NLP年度最佳应用论文大集锦！
-
发表了文章 2019-01-27
可应用于实际的14个NLP突破性研究成果（一）
最好的论文是可以直接走出实验室！NLP年度最佳应用论文大集锦！
-
发表了文章 2019-01-26
2019年深度学习的十大预测
如果连思考方式都是错的，机器学习肯定不会有很大的进步！
-
发表了文章 2019-01-26
序列模型简介——RNN, Bidirectional RNN, LSTM, GRU
序列模型大集合——RNN, Bidirectional RNN, LSTM, GRU
-
发表了文章 2019-01-26
特征工程自动化如何为机器学习带来重大变化
机器学习中最重要的领域之一是特征工程，却被严重地忽视了。这个重要领域中最成熟的工具就是Featuretools，一个开源的Python库。在本文中，我们将使用这个库来了解一下特征工程自动化将如何改变你进行机器学习的方式。
-
发表了文章 2019-01-26
“有趣”的投影：当PCA失效时怎么办？
——试试PPA，一个关于探索性数据分析的替代方案！
-
发表了文章 2019-01-24
TensorFlow 2.0深度强化学习指南
用深度强化学习来展示TensorFlow 2.0的强大特性！
-
发表了文章 2019-01-24
Auto-Keras与AutoML：入门指南
不会机器学习？不会人工智能？没关系！自动化程序来了！
-
发表了文章 2019-01-24
pandas指南：做更高效的数据科学家
Python是开源的，所以有很多开源固有的问题。如果你是Python新手，很难知道针对特定任务的包哪个是最好的。你需要有经验的人来告诉你。今天我要告诉你们的是：在数据科学中，有一个软件包是你们绝对需要学习的，那就是pandas。
-
发表了文章 2019-01-22
使用Opencv构建一个简单的图像相似检测器（MSE、SSIM）
本文使用opencv。numpy等简单的工具库，根据mse及ssim两种算法来评估两张图像的相似度，便于理解与实践。
-
发表了文章 2019-01-20
NLP度量指标BELU真的完美么？
NLP重要评价准则之一——BLEU，真的完美无缺么？
-
发表了文章 2019-01-20
PyTorch可视化理解卷积神经网络
神经网络工具像一个黑匣子，无法知道它的中间是如何处理的。本文使用图片加代码的形式讲解CNN网络，并对每层的输出进行可视化，便于初学者理解，可以动手实践下哦！
-
发表了文章 2019-01-17
从NeurIPS 2018看AI发展路线！
从NeurIPS 2018看AI发展路线！
-
发表了文章 2019-01-17
一份关于机器学习端到端学习指南
本文是一份关于机器学习端到端过程的指导指南，其中列出了实现机器学习模型所需遵循的步骤及对应的参考文章；
-
发表了文章 2019-01-16
最强NLP模型BERT可视化学习
最强NLP模型谷歌BERT狂破11项纪录，全面超越人类，本文通过可视化带你直观了解它。
-
发表了文章 2019-01-15
2018最佳GAN论文回顾（下）
继上一篇《2018最佳GAN论文回顾（上）》，我又继续介绍了一个对于GAN的基于样式的生成器体系结构的新论文，提出了一个新的模型来应对这种挑战。
-
发表了文章 2019-01-14
2018年AI和ML（NLP、计算机视觉、强化学习）技术总结和2019年趋势（下）
回顾2018，展望2019，计算机科学技术继续前进！
-
发表了文章 2019-01-14
2018年AI和ML（NLP、计算机视觉、强化学习）技术总结和2019年趋势（上）
回顾2018，展望2019，计算机科学技术继续前进！
-
发表了文章 2019-01-12
被神话的大数据——从大数据（big data）到深度数据（deep data）思维转变
自从阿法狗战胜人类顶级棋手之后，深度学习、人工智能变得再一次火热起来，但有一个基本的误解是更大的数据会产生更好的机器学习结果。然而，更大的数据池/仓库并不一定有助于模型学习到更深刻的见解。正确的答案是？
-
发表了文章 2019-01-11
2018最佳GAN论文回顾（上）
受Reddit网站上讨论区的启发，我决定快速地浏览一下2018年关于GAN最有趣的文章。
-
发表了文章 2019-01-10
揭秘人工智能（系列）：深度学习是否过分夸大？
深度学习可能不是过分夸大，也许它只是没有很好地被理解！
-
发表了文章 2019-01-08
2018年，自然语言处理最全的应用与合作
机器翻译、语音交互、汽车、医疗、法律、金融、广告、电商，全年案例大合集。
-
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