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 2018-01-13
人工智能最受欢迎的10大TED演讲
本文汇总了人工智能最受欢迎的10大TED演讲，让你全面了解人工智能和机器学习。
-
发表了文章 2018-01-12
每个数据科学家都应该学习4个必备技能
作为一个数据科学家你必须要掌握的四个必备技能，值得每个想要成为数据科学家和已经成为数据科学家的人去学习。
-
发表了文章 2018-01-12
如何用学习曲线降低偏差和方差？
如何判断偏差和方差？我们应该如何降低误差？本文将就这两个问题探讨如何使用学习曲线降低这两个主要误差。
-
发表了文章 2018-01-11
面向开发者的2018年AI趋势分析
本文从开发者的角度分析2018年AI的趋势：拿来即用的AI领域、算法与技术。例如GANs、ONNX、Zoo、AutoML、语音识别、时间序列分析、NLP、高智能机器人等。
-
发表了文章 2018-01-10
机器学习2017年重大进展汇总
2017年注定是机器学习快速发展的一年，特别是机器学习商业化的成功是的更多的人积极的投入到机器学习的学习当中。机器学习一定会成为未来的技术，让我们看看这项未来的技术现在发展到何种程度。
-
发表了文章 2018-01-08
迁移学习简述
什么是迁移学习，迁移学习的例子有哪些，在预测建模中如何使用迁移学习？本文将带你一步步深入探讨。
-
发表了文章 2018-01-07
OpenCV/Python/dlib眨眼检测
图像识别的新思路：眼睛纵横比，看看大牛如果用这种思路玩转识别眨眼动作！
-
发表了文章 2018-01-06
如何用简易代码自动生成经典语录
本文主要讲述如何用少于20行的python代码自动生成经典语录
-
发表了文章 2018-01-05
TensorFlow相关论文与研究汇总
本文介绍与最流行的深度学习开源软件——tensor flow相关的的最新研究论文，其中包括很多高级模块的介绍，希望能够帮助到IT界的TF BOYS。
-
发表了文章 2018-01-03
Web开发工程师转型机器学习的实战经验
历经两个月对深度学习和计算机视觉领域进行探索，获得一些经验与总结。
-
发表了文章 2018-01-02
时代聚焦AI安全——可解释性
随着人工智能的发展，越来越多的人开始关注人工智能的安全问题。今年的NIPS多集中人工智能安全上，作者列举了在会议上出现的解决人工智能安全问题的比较不错的论文。
-
发表了文章 2018-01-02
为什么机器学习难于应用
本文主要讲述了如何管理机器学习应用方面的棘手问题
-
发表了文章 2018-01-01
2017年十大最佳数据可视化项目
本文是作者在2017年总结自己最喜欢的十个数据可视化项目，涵盖范围广，项目生动、有趣且有深度。读者们可以选择自己感兴趣的项目动手体验一下吧。
-
发表了文章 2017-12-31
煮酒论AI，看看大牛怎么说
回望2017，AI取得了突飞猛进的发展，预见2018，AI将何去何从，听大牛煮酒论AI。
-
发表了文章 2017-12-31
2017年，那些让人难以忘记的AI成果
盘点2017年AI领域最具影响力的成就，发布2017 AI成就榜：发现八行星太阳系、击败围棋高手、击败德州扑克高手、自学写代码。
-
发表了文章 2017-12-30
2017 AI医学领域的年终总结：进展、问题与趋势
本文总结了2017年医学人工智能领域的相关发展，并对自己2016年预测的结果与2017年的实际情况相比对，说明了医学人工智能领域的发展趋势。
-
发表了文章 2017-12-29
浅谈迁移学习图像分类
不同的数据集是如何进行迁移学习的？常见的迁移学习策略有哪些？本文一一进行讲解，并分析在何种情况应该使用哪种策略。
-
发表了文章 2017-12-29
探秘机器是如何“长大成人”（含视频）
机器是如何“长大成人”的呢？让我们一起来探索……
-
发表了文章 2017-12-28
2017年十大最受欢迎机器学习Python库
Python已经成为机器学习时代的最受欢迎的语言，业内大牛正在使用什么Python库呢？今天我们就来盘点一下2017年十大最受欢迎的机器学习Python库。
-
发表了文章 2017-12-28
总结2017年AI之十大“败笔”
AI并非全能选手，汇总2017年AI出的糗事。
-
发表了文章 2017-12-28
程序员的魔法——用Masking GAN让100,000人都露出灿烂笑容
本文使用Masking GAN来对静态的图像中的人物图像进行处理，使其都露出灿烂笑容，堪称魔法。每个程序员都是一个魔法师，你玩过的魔法是什么呢？欢迎留言秀出各自的魔法。
-
发表了文章 2017-12-27
2018年AI面临的五大难题
本文作者介绍了2018年摆在人工智能面前的五大难题：理解人类语言，机器人附能，防黑客，玩游戏，辨别是非。如何解决这些问题，让AI继续造福人类社会将成为所有AI从业者的首要任务。
-
发表了文章 2017-12-27
业内最流行机器学习在线课程汇总
机器学习界最流行的在线课程，技术进阶必备！
-
发表了文章 2017-12-27
TensorFlow图像分类教程
采用开源TensorFlow ，创建一个结构简单、功能强大神经网络对图像进行分类。
-
发表了文章 2017-12-26
如何利用神经网络进行进行反欺诈！
如何利用神经网络训练自己的反欺诈模型，看看吧～附学习资料～
-
发表了文章 2017-12-26
不容错过的2017数据科学15大热门GitHub项目
本文作者通过回顾2017年的数据科学发展路径，为数据科学爱好者汇总了2017年数据科学15大热门GitHub项目。
-
发表了文章 2017-12-25
基于遗传算法（GA）进化的小游戏
本文是一篇使用Python语言模拟生物体和食物之间的关系和基于遗传算法进化生物体的实例教程
-
发表了文章 2017-12-22
使用树莓派和YOLO——打造一个“穷人版”深度学习摄像头
本文主要是根据亚马逊推出的DeepLens原理，通过树莓派以及检测网络模型YOLO搭建一个用于检测鸟儿的智能摄像头，操作起来简单方便，可实践性强。感兴趣的读者可以按照步骤一步步搭建属于自己的一款智能摄像头吧！
-
发表了文章 2017-12-19
数据分析师不是数据科学家
作者认为数据分析师是指能够使用Excel和SQL等工具分析数据，生成报告、图表和建议，但却提供不出代码的人员。作者这篇文章不是抨击分析师的，而是为了解决多数人对于数据分析与数据科学之间的误解。
-
发表了文章 2017-12-19
多重预训练视觉模型的迁移学习
本文介绍的是基于Keras Tensorflow抽象库建立的迁移学习算法模型，算法简单、易于实现，并且具有很好的效果。
-
发表了文章 2017-12-18
浅谈神经网络中的梯度爆炸问题
本文讲解梯度爆炸的相关问题，主要从以下三个方面介绍：什么是梯度爆炸，以及在训练过程中梯度爆炸会引发哪些问题、如何知道网络模型是否存在梯度爆炸、如何在网络模型中解决梯度爆炸问题。讲解比较通俗易懂，给出了一些判断梯度爆炸存在的方法及解决方法。
-
发表了文章 2017-12-18
细说深度神经网络的无损优化
本文讲述Net-Trim：无性能损失的深度神经网络凸精简，修剪掉神经网络中93%的无用神经元，但能保证无任何性能损失。
-
发表了文章 2017-12-18
深度学习基础之LSTM
序列预测问题曾经被认为是数据科学行业最难解决的问题之一，而LSTM则是解决这类问题的必备法宝。本文作者详细的介绍了LSTM的相关理论知识，并在最后为深度学习爱好者提供了一个小例子切实的体验LSTM。
-
发表了文章 2017-12-18
RNN实战：股票预测 2
今天的课程将继续讲解如何用Tensorflow构建一个循环神经网络（RNN）来预测股票价格。本教程尝试通过维度映射（embeddings）来预测多个股票的价格。
-
发表了文章 2017-12-18
PCA、NMF、KNN在实战中的算法解析
本文着重探索PCA、NMF、KNN这三种算法在实战中的表现。
-
发表了文章 2017-12-13
机器学习基础：分类vs回归
在机器学习中我们也许会对分类和回归两个算法有所混淆或者困惑，看完本文相信会有所收获
-
发表了文章 2017-12-13
RNN实战：股市预测
本篇文章主要介绍如何使用Tensorflow建立循环神经网络来预测股票市场价格。文中有完整代码！
-
发表了文章 2017-12-13
可视化Keras深度学习神经网络模型
为了使开发者更好的理解其开发的神经网络模型，Keras Python深度学习库提供了可视化神经网络模型的工具。在本文中，作者通过一个小例子，详细的介绍可视化的过程和原因。
-
发表了文章 2017-12-13
机器学习案例 — 闻声识鸟
TensorFlow是一个开源的机器学习库—对任何人都是开放的。公司、非营利性组织、研究人员和开发人员已经在一些领域使用了TensorFlow。
-
发表了文章 2017-12-11
带你走进Kaggle Kernels（内附视频讲解）
Kaggle Kernels的本质是什么？我们如何使用它？本文从理论介绍到实例讲解，将Kaggle Kernels完美的展现在你面前……
-
发表了文章 2017-12-11
Python实战：决战虚拟货币市场
比特币市场总是让人难以捉摸。比特币价值突然出现高峰和低谷的原因是什么？我们如何预测接下来会发生什么？那就让我们用数据来做一些事情吧。
-
发表了文章 2017-12-08
福利|热门技术看什么？这份书单告诉你！（内含PDF链接）
这是一份关于数据科学、商业分析、大数据、机器学习、算法、数据科学工具和相关程序语言的福利书单。又骗你买书？不，我们还有电子书！心动不如行动，赶快进来看看吧！
-
发表了文章 2017-12-08
深度学习的核心：掌握训练数据的方法
本文主要介绍了如何进行图像标注构建深度学习，进而深度学习系统的效率。
-
发表了文章 2017-12-07
在Jupyter中安装Python包
对于任何想要学习编程语言的小伙伴来说，选择编程的工具是非常重要的。在编程工具和Python库中的连接中，一直是一个让很多人头疼的问题。文中有彩蛋！！！
-
发表了文章 2017-12-06
盘点·GitHub最著名的20个Python机器学习项目
开源是技术创新和快速发展的核心。这篇文章向你展示Python机器学习开源项目以及在分析过程中发现的非常有趣的见解和趋势。
-
发表了文章 2017-12-05
迁移学习——机器学习的下一个前沿阵地
深度学习作为机器学习的重要领域，在过去的几年时间里面发挥了巨大的作用。但是随着机器学习在不同领域的深入应用，迁移学习正在成为不可忽视的力量。
-
发表了文章 2017-12-05
用Excel理解神经网络
为了简化卷积神经网络这个概念，本文将试着基于excel针对在开发深度学习模型过程中所做的运算进行解释。
-
发表了文章 2017-12-05
机器学习必知的15大框架
不管你是一个研究人员，还是开发者，亦或是管理者，想要使用机器学习，需要使用正确的工具来实现。本文介绍了当前最流行15个机器学习框架。
-
发表了文章 2017-12-04
7步掌握Python机器学习
如今，网络上的Python机器学习资源纷繁复杂，使得刚入门的小白们眼花缭乱。究竟从哪里开始？如何进行？读完这篇文章，相信你就会有自己的答案。
-
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
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