暂无个人介绍
能力说明:
了解变量作用域、Java类的结构,能够创建带main方法可执行的java应用,从命令行运行java程序;能够使用Java基本数据类型、运算符和控制结构、数组、循环结构书写和运行简单的Java程序。
阿里云技能认证
详细说明本文首先介绍了TensorFlow.js的重要性及其组件,并介绍使用其在浏览器中构建机器学习模型的方法。然后,构建使用计算机的网络摄像头检测身体姿势的应用程序。
本文将介绍多种Python对象分别所占用的内存,并解释所选择的测量方法和函数,为节省内存提供建议。
本文对比2018第四季度和2019第一季度中DZone上不同技术话题的热门程度,分析哪些是当前的流行话题,哪些话题的热度减退,帮你成为技术圈的潮人!
本文将介绍XGBoost的定义,并利用这一模型对人类指数官方数据集进行回归预测。
本文将简要介绍什么是机器学习,其运作原理,以及两个主要的机器学习的算法。
本文为你推荐中文自然语言处理数据集。
本文为你介绍近3年来的所有主流深度学习CTR模型。
Evolved Transformer不仅实现了最先进的翻译结果,与原始的Transformer相比,它还展示了语言建模的改进性能。
要不要用准确性换可解释性?这可能是许多资源有限的创业公司,在技术研发中面临的重要问题,同时也是机器学习可解释性研究中的重要议题。
本文是作为Analytics Vidhya’s Internship Challenge的一部分提交的案例研究。
无需权重训练!谷歌再向深度学习炼丹术发起“攻击”。
本文为你介绍年度最佳可解释NLP论文。
本文提出了一种新方法,将知识图谱的信息加入到模型的训练中。
本文为你介绍谷歌最新发布的自然语言预训练模型BERT。
本文为你介绍了构建数据科学项目中重要的思维能力及训练建议。
谷歌提出了一种新型CNN网络EfficientNet,该网络具备极高的参数效率和速度。
本文探讨了简单的ARIMA/Sarima与LSTM的时间序列数据集成学习方面的问题。
本文介绍一种将压缩感知和GAN联系起来的创新框架。
本文作者用python代码示例解释了3种处理不平衡数据集的可选方法,包括数据层面上的2种重采样数据集方法和算法层面上的1个集成分类器方法。
本文将介绍自然语言处理和机器学习中常见的文本预处理方法。
本文为资深数据科学家常见的10个错误提供解决方案。
作者基于波动性标准普尔500数据集和Keras深度学习网络框架,利用python代码演示RNN和LSTM RNN的构建过程,便于你快速搭建时间序列的预测模型。
本文是deeplearning.ai的一篇技术博客,对初始化值的大小选取不当,可能造成梯度爆炸或梯度消失等问题,并提出了针对性的解决方法。
本文介绍了最近 GitHub 上很火的“定律合集”项目。
一支深度学习的新手队如何在kaggle竞赛中获得第三名?
本文明确了多标签图像分类的概念,并讲解了如何构建多标签图像分类模型。
本文教你如何在BigQueryML中使用K均值聚类对数据进行分组,进而更好地理解和描述。
本文为你讲解了统计学与机器学习的本质区别。
本文讨论了七种流行的收缩和选择方法的数学属性和实际的Python应用。
本文将介绍实现数据可视化的软件包。
本教程主要使用numpy和sklearn来讨论如何使用遗传算法(genetic algorithm,GA)来减少从python中的Fruits360数据集提取的特征向量。