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 2018-03-01
五个非常实用的自然语言处理资源
正在学习NLP，手中没有资源？快来看看这些免费的NLP学习资源吧！
-
发表了文章 2018-03-01
机器学习和人工智能的初学指南
作者自学机器学习和人工智能，站在一个初学者的角度来回顾这些经历并编写这篇适合初学者的指南。
-
发表了文章 2018-03-01
PyTorch入门教程
本文将讲解如何入门PyTorch，包括基础原理知识、numpy与PyTorch的区别以及案例研究实例。
-
发表了文章 2018-03-01
一份关于机器学习中线性代数学习资源的汇总
本文是一份关于机器学习中线性代数学习指南，所给出的资源涵盖维基百科网页、教材、视频等，机器学习从业者可以从中选择合适的资源进行学习。
-
发表了文章 2018-03-01
5种最流行的AI编程语言
有没有兴趣来了解更多与AI开发有关的内容？ 本文将介绍创建AI程序时可以使用的5种最佳语言。
-
发表了文章 2018-02-28
AI研究公司面试准备指南
7月9日 19:00-21:30 阿里云开发者社区首场“Offer 5000”直播开启！15位团队技术大牛在线招人，《阿里云技术面试红宝书》助你拿下Offer！马上投递简历：https://developer.aliyun.com/special/offerday01，在此，小编奉上AI面试指南！
-
发表了文章 2018-02-27
区块链如何改变AI
区块链和人工智能，这两种常常被误解的技术，它们怎样增强数据处理能力？本文将对其进行详细介绍。
-
发表了文章 2018-02-27
实体嵌入(向量化)：用深度学习处理结构化数据
本文详细阐述了深度学习如何来实现处理结构化数据的方法。
-
发表了文章 2018-02-25
机器学习用于金融市场预测难在哪？
本文主要讲述了机器学习用于金融市场预测难在哪？——金融间序是典型的部分可见马尔科夫决策过程（POMDP）
-
发表了文章 2018-02-24
(Python)时序预测的七种方法
大多数人都听说过关于Cryptocurrency，许多人也许会投资他们的加密货币。但是，投资这种不稳定的货币安全吗？怎样才能确保现投资这些硬币未来一定能带来稳定的收益呢？我们不能确定，但肯定能根据以前的价格产生一个近似值。时序模型是预测的一种方法。
-
发表了文章 2018-02-23
Jupyter Notebook数据科学高效技巧
本文有一些关于Jupyter Notebook的干货，希望看完文章可以给你带来收获
-
发表了文章 2018-02-20
何时线性回归，聚类或决策树？
机器学习算法介绍那么多？但是，到底如何根据不同的场景，应用选择它们呢？且来听听大牛怎么说！
-
发表了文章 2018-02-19
云计算“恋上”机器学习
结合云计算的强大功能，机器学习可能会发挥超出我们想象的作用。强强融合将造就什么样的世界？这值得我们拭目以待！
-
发表了文章 2018-02-19
免费的自然语言处理/机器学习教育资源12例
新年开工礼物：免费的自然语言处理/机器学习教育资源12例·~~~~
-
发表了文章 2018-02-19
如何从零开始用Keras开发一个机器翻译系统
作者拥有大量的实战经验，快来跟着作者开发属于你自己的神经网络翻译系统吧。
-
发表了文章 2018-02-18
程序员技术进阶手册（二）
云栖社区翻译小组年终巨献价值百万学习资料，助力技术进阶，你来学习就值百万，你不来学习就是空谈！空谈误国，实干兴邦！
-
发表了文章 2018-02-17
程序员技术进阶手册（一）
云栖社区翻译小组年终巨献价值百万学习资料，助力技术进阶，你来学习就值百万，你不来学习就是空谈！空谈误国，实干兴邦！
-
发表了文章 2018-02-16
重要的机器学习算法
本文旨在为那些获取关于重要机器学习概念知识的人们提供一些机器学习算法，同时免费提供相关的材料和资源。并且附上相关算法的程序实现。
-
发表了文章 2018-02-15
不该被忽视的五个机器学习项目
本文将介绍5个机器学习或机器学习相关的项目，你可能还没有听说过，但可能应该考虑重视一下了！
-
发表了文章 2018-02-12
数据科学家需要了解的5大聚类算法
本文将介绍常见的5大聚类算法。
-
发表了文章 2018-02-10
机器学习？人工智能？傻傻分不清楚？
机器学习就是人工智能？别在这样认为了，太傻了！看完本文，搞清楚它们之间的关系吧。
-
发表了文章 2018-02-10
深度学习进修之旅
转型深度学习只需要六个月，本文作者通过自身的经历，为想要转型深度学习的程序猿们提供了一套可行性很高的转型方案。
-
发表了文章 2018-02-09
如何在macOS上为Python安装XGBoost
XGBoost是一个开发非常快速和准确的梯度增强模型的库，它在Kaggle数据科学竞赛中被大量的kaggle选手选用，其中包括两个以上kaggle比赛的夺冠方案。在本教程中，你将了解如何在macOS上为Python安装XGBoost库。
-
发表了文章 2018-02-04
人工智能系统安全性分析
人工智能研究人员轻易地欺骗了一个图像识别系统，使得香蕉被错误地识别为烤面包机。这引发了一系列安全性的担忧，如何确保人工智能系统的安全呢？
-
发表了文章 2018-02-03
手把手教你如何部署深度学习模型
本文将讲解如何部署深度学习模型，让你不再对如何快速地将机器学习模型部署到生产中感到困扰
-
发表了文章 2018-02-03
手把手教您解决90%的自然语言处理问题
本文将讲解如何从零开始，有效地处理自然语言问题的指南和技巧：首先解释如何构建机器学习解决方案来解决上面提到的问题。然后转向更细致的解决方案。
-
发表了文章 2018-02-02
“创作大师——（PyTorch)RNN”
程序员不懂艺术不可怕，会打造AI艺术大师就行啦。本文作者出于自己的兴趣爱好，打造了一个会写歌曲的RNN神经网络模型。文中可以找在代码地址！
-
发表了文章 2018-02-02
在Win10上安装支持GPU训练的Tensorflow
本文作者通过他的实际经历手把手教授如何在win10操作系统上安装支持GPU训练的tensorflow。
-
发表了文章 2018-02-01
深度学习与人工智能革命：part IV
本文是该系列内容的第4部分内容，主要讨论深度学习为何使用MongoDB数据库，并提供相关使用实例。
-
发表了文章 2018-01-29
机器学习与Docker容器
机器学习和Docker容器是如何相互配合出色完成任务的？我们将使用Tenserflow和Kontena来详细阐述。
-
发表了文章 2018-01-28
深度学习与人工智能革命：part III
本文是该系列内容的第3部分内容，主要介绍人工神经网络、深度学习的基本原理，着重介绍深度学习中数据库的选择需要考虑的问题。
-
发表了文章 2018-01-28
机器学习新手必学十大算法指南
本文为机器学习新手介绍了十种必备算法：线性回归、逻辑回归、线性判别分析、分类和回归树、朴素贝叶斯、K-近邻算法、学习向量量化、支持向量机、Bagging和随机森林、Boosting和AdaBoost。
-
发表了文章 2018-01-27
深度学习与人工智能革命：part II
本文是该系列内容的第2部分内容，主要介绍人工智能、机器学习和深度学习三者的差别，着重介绍机器学习中的有监督学习和无监督学习。
-
发表了文章 2018-01-27
流行AI框架和库的优缺点比较
不知道自己应该选用那个AI框架和库？看看本文就行了，本文为AI开发的工程师们梳理了现在最流行的框架，并简单的分析了它们的优缺点。
-
发表了文章 2018-01-26
融合自适应松弛谱正则的贝叶斯矩阵补全方法研究
贝叶斯矩阵补全基于低秩矩阵分解的研究已经得到了可靠的结果，不过很少有人提出更直接的方法，为填补谱正则下对贝叶斯矩阵补全的问题的研究空白，本文提出一个新颖的基于谱正则化贝叶斯矩阵补全方法。一方面规避处理奇异向量的正交约束的困难，在推导出限制松弛的等价形式的基础上设计一个适用于贝叶斯推断的自适应谱正则方法。
-
发表了文章 2018-01-26
Fastai深度学习课程的八大最佳实践
Fastai社区的Jeremy Howard教授的《Practical Deep Learning for Coders（第一部分）》八大最佳实践。
-
发表了文章 2018-01-25
Keras缔造者：François Chollet专访
François Chollet作为人工智能时代的先行者，为无数的开发者提供了开源深度学习框架Keras。时代需要这样的巨人，这样开发者才能站在巨人的肩膀上走的更远。文中可以下载他的新书《deep-learning-with-python》！
-
发表了文章 2018-01-25
Kaggle大赛经验：如何（以及为什么）创建一个好的验证集
本文作者通过大量的Kaggle比赛记录，总结发现了想要训练一个完美的机器学习模型，自己创建一个验证集的重要性及如何创建的方法。
-
发表了文章 2018-01-24
一个小例子带你轻松Keras图像分类入门
本文通过一个具体的小例子带你入门Keras图像分类，希望各位能够通过这篇文章能够学习到一些图像分类的基本操作。
-
发表了文章 2018-01-23
深度学习与人工智能革命：part I
人工智能始于思想实验，深入了解AI和深度学习的历史，并了解它们为什么现在取得快速的发展。
-
发表了文章 2018-01-23
创作能手——LSTM“诗人”
本文作者介绍了她的一个小实验：创建一个会写诗歌的LSTM网络。
-
发表了文章 2018-01-23
如何应对数据科学的“负担症候群”
为什么“负担症候群”在数据科学中如此流行，我个人是如何处理这个问题的？应该如何鼓励那些正在受影响的人？本文对此进行了详细的阐述。
-
发表了文章 2018-01-23
零基础入门：对象检测及其算法指南
本文将向您介绍对象检测及各种算法，如：Fast R-CNN算法，YOLO算法，SSD算法等。我们将从零基础入手，一直到对象检测最先进的算法，并了解每种算法的具体方法和显著特征。
-
发表了文章 2018-01-23
五类受自然启发的AI算法
本文主要讲解了受自然启发的五类AI算法以及各自的实际用例：神经网络、遗传算法、群集集体智慧、强化学习、人体免疫。
-
发表了文章 2018-01-19
生成对抗网络入门指南（内含资源和代码）
生成对抗网络是由两个相互竞争的网络组成的深度神经网络架构。本文对其进行详细讲解，并附上大量相关英文文章链接供参考。
-
发表了文章 2018-01-18
(TensorFlow)变分自编码器实现
一个小例子带你玩转(TensorFlow)变分自编码器,文中有源码下载！
-
发表了文章 2018-01-18
数据科学、机器学习和AI的区别
本文详细讲解了数据科学、机器学习和AI的相同点与区别，并用实例进行说明。
-
发表了文章 2018-01-17
十步直通深度学习
随着深度学习的不断火热，任何一个开发者都想上深度学习这趟快车。本文作者通过自己的实践过程总结了学习经验，现在分享给大家。
-
发表了文章 2018-01-13
机器学习必知的八大神经网络架构
机器学习八大神经网络架构的分类和历史发展。
-
发表了文章 2018-01-13
为什么很难训练深度神经网络？
自1994年开始，大家都认为深度神经网络难以训练的原因是由于梯度消失，然而本文作者通过深度线性网络的例子证明网络性能变差的原因并不是梯度消失，而是由于权重矩阵的退化导致模型的有效自由度减少，从而使得深度神经网络难以训练。
-
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