腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
xingoo, 一个梦想做发明家的程序员
专栏作者
举报
805
文章
898561
阅读量
80
订阅数
订阅专栏
申请加入专栏
全部文章（805）
java（111）
其他（97）
编程算法（91）
es 2（47）
spark（39）
数据库（34）
spring（34）
apache（30）
大数据（30）
数据处理（30）
javascript（26）
存储（26）
windows（25）
angularjs（24）
机器学习（23）
oracle（23）
linux（23）
数据结构（23）
html（22）
xml（20）
sql（17）
eclipse（13）
tomcat（13）
jsp（12）
jquery（12）
云数据库 SQL Server（12）
云数据库 Redis（12）
mvc（12）
node.js（11）
udp（11）
安全（11）
api（10）
scala（9）
汇编语言（9）
容器（9）
hadoop（9）
c++（8）
深度学习（8）
开源（8）
分布式（8）
shell（8）
aop（8）
servlet（7）
缓存（7）
jvm（7）
jdbc（7）
指针（7）
c 语言（6）
ruby（6）
css（6）
图像处理（6）
http（6）
hbase（6）
函数（6）
json（5）
打包（5）
git（5）
运维（5）
hashmap（5）
二叉树（5）
https（5）
flink（5）
tensorflow（4）
bootstrap（4）
ajax（4）
android（4）
maven（4）
腾讯云测试服务（4）
人工智能（4）
mybatis（4）
zookeeper（4）
队列（4）
ios（3）
.net（3）
ecmascript（3）
github（3）
容器镜像服务（3）
神经网络（3）
mapreduce（3）
网络安全（3）
yum（3）
推荐系统（3）
线性回归（3）
tcp/ip（3）
单元测试（3）
架构设计（3）
io（3）
ip（3）
size（3）
python（2）
go（2）
nosql（2）
access（2）
ide（2）
svn（2）
jar（2）
struts（2）
lucene/solr（2）
mongodb（2）
express（2）
yarn（2）
游戏（2）
html5（2）
面向对象编程（2）
keras（2）
kernel（2）
汽车（2）
cuda（2）
int（2）
服务器（2）
接口（2）
链表（2）
连接（2）
排序（2）
设计模式（2）
搜索（2）
算法（2）
对象存储（1）
负载均衡（1）
mac os（1）
php（1）
c#（1）
lua（1）
bash（1）
listview（1）
textview（1）
搜索引擎（1）
unix（1）
centos（1）
负载均衡缓存（1）
企业邮箱（1）
知识图谱（1）
数字营销（1）
腾讯专有云 PaaS 平台（1）
kubernetes（1）
grunt（1）
自动化（1）
黑客（1）
压力测试（1）
数据迁移（1）
爬虫（1）
无人驾驶（1）
jdk（1）
图像识别（1）
ssh（1）
正则表达式（1）
numpy（1）
dns（1）
opencv（1）
npm（1）
grep（1）
自动化测试（1）
cdn（1）
dubbo（1）
gcc（1）
socket编程（1）
uml（1）
无监督学习（1）
微信（1）
小程序（1）
安全漏洞（1）
系统架构（1）
nat（1）
虚拟化（1）
abstraction（1）
acrobat（1）
adobe（1）
arguments（1）
bi（1）
break（1）
class（1）
component（1）
decorator（1）
default（1）
device（1）
distributed（1）
dom（1）
double（1）
editor（1）
expression（1）
google（1）
handle（1）
hdfs（1）
host（1）
keydown（1）
kibana（1）
pdf（1）
ps（1）
search（1）
shadow（1）
shutdown（1）
state（1）
status（1）
stl（1）
sum（1）
swt（1）
unsigned（1）
viewer（1）
void（1）
winsock（1）
word（1）
编程（1）
遍历（1）
变量（1）
编译器（1）
测试（1）
对象（1）
后端（1）
集合（1）
计算机（1）
进程（1）
路由器（1）
配置（1）
事件（1）
数学（1）
数组（1）
思维导图（1）
网络（1）
系统（1）
效率（1）
学习笔记（1）
优化（1）
语法（1）
终端（1）
主机（1）
搜索文章
搜索
搜索
关闭
Kubeflow实战: 入门介绍与部署实践
机器学习
神经网络
人工智能
kubernetes
Kubeflow是在k8s平台之上针对机器学习的开发、训练、优化、部署、管理的工具集合，内部集成的方式融合机器学习中的很多领域的开源项目，比如Jupyter、tfserving、Katib、Fairing、Argo等。可以针对机器学习的不同阶段：数据预处理、模型训练、模型预测、服务管理等进行管理。只要安装了k8s，可以在本地、机房、云环境中部署。
用户1154259
2020-08-11
3.5K
0
《百面机器学习》—— 读后总结
机器学习
?
用户1154259
2018-12-04
946
0
《影响力》—— 读后总结
机器学习
这本书在很久以前就想读了，一直到今天才读完，最大的感触就是：平时生活中容易陷入的陷阱在这里都做了科学的解释和论证。尤其是在买东西的时候，可以多一些谨慎，多买一些更有价值的东西，不能被别人的销售技巧给套住。 粗略总结 互惠：别人在想要你帮忙或者想要你买东西的时候，往往会先给一些优惠。套用那句俗语“那人家的手短，吃人家的最短”，最后碍于情面，只能乖乖顺从。比如买保险，总会在节假日给你送点礼物；请你帮忙时，会提前给买点小东西。 承诺和一致：因为前后不一致会让别人觉得是一个思维混乱、缺乏信仰的人，因此大部分人
用户1154259
2018-11-07
651
0
2017CS231n学习笔记——计算机视觉的概述
深度学习
机器学习
系统架构
编程算法
图像处理
这门课程是由stanford大学计算机视觉李飞飞以及她的学生制作的，也叫做CS231n，是偏专业性的深度学习+计算机视觉课程。
用户1154259
2018-09-21
634
0
吴恩达机器学习笔记 —— 18 大规模机器学习
机器学习
mapreduce
深度学习
编程算法
有的时候数据量会影响算法的结果，如果样本数据量很大，使用梯度下降优化参数时，一次调整参数需要计算全量的样本，非常耗时。
用户1154259
2018-08-09
307
0
吴恩达机器学习笔记 —— 17 推荐系统
机器学习
推荐系统
编程算法
深度学习
推荐系统是机器学习在工业界应用最广泛的方向，很多电子商务类、咨询类的平台都在做个性化推荐的工作，通过机器学习的算法让自己的平台个性定制，千人千面。
用户1154259
2018-08-09
584
0
吴恩达机器学习笔记 —— 3 线性回归回顾
机器学习
线性回归
矩阵的索引 向量的表示 矩阵的加法 矩阵与实数的乘法 矩阵的表达式 矩阵与向量的乘法 矩阵与矩阵的乘法 矩阵特性——不满足交换律 矩阵特性——满足结合律 单位矩阵 矩阵的逆 矩阵的转置
用户1154259
2018-07-31
262
0
吴恩达机器学习笔记 —— 9 神经网络学习
机器学习
神经网络
线性回归
在传统的线性回归或者逻辑回归中，如果特征很多，想要手动组合很多有效的特征是不现实的；而且处理这么大的特征数据量，计算上也很复杂。
用户1154259
2018-07-31
268
0
吴恩达机器学习笔记 —— 10 神经网络参数的反向传播算法
机器学习
神经网络
神经网络可以理解为两个过程：信号的正向传播和误差的反向传播。在正向的传播过程中，计算方法为Sj=wijxi+bj，其中i是样本、j是层数。然后xj=f(Sj)，f为激活函数。引入激活函数的原因是可以带来一定的非线性特性。由于样本的y是在最后一层输出的，因此在计算误差的时候，需要从最后一层开始计算、针对与之关联的参数进行求梯度，获得参数的更新。然后再计算前一层的误差，前一层的误差等于权值误差值，继续计算每个参数的梯度变化。在神经网络中很容易形成局部最优解，因此需要初始的随机性比较好。
用户1154259
2018-07-31
351
0
吴恩达机器学习笔记 —— 12 机器学习系统设计
机器学习
编程算法
针对垃圾邮件分类这个项目，一般的做法是，首先由一堆的邮件和是否是垃圾邮件的标注，如[(邮件内容1,是),(邮件内容2,否),(邮件内容3,是)...]。然后我们针对邮件的内容去做分词，搜集全部词语组织成词表；由于邮件内容的词通常都是常用词，因此可以取top500的词组织成词表，然后替换内容邮件。
用户1154259
2018-07-31
343
0
吴恩达机器学习笔记 —— 14 无监督学习
机器学习
无监督学习
编程算法
还有一个算法在这次的课程中没有提到，就是kmeans++，它与上面的kmeans不同的是，选择中心点是首先随机选择一个，然后选择一个离当前最远的作为下一个中心点....
用户1154259
2018-07-31
271
0
吴恩达机器学习笔记 —— 19 应用举例：照片OCR（光学字符识别）
机器学习
图像处理
我们定义几个固定大小尺寸的窗口，从照片的左上角开始扫描。扫描出来的图像做二分类，判断是北京还是人物（文字）。然后根据图像处理的一些惯用手段做二值化、膨胀，使得文字区域连通。最终根据规则选择文本框就可以了，过滤那些规则不规整、宽度比高度小的矩形框框，剩下的就是目标文本框了。
用户1154259
2018-07-31
992
0
吴恩达机器学习笔记 —— 15 降维
机器学习
线性回归
降维的第一个作用就是进行数据的压缩，解决磁盘和计算的问题。比如把二维数据降维到一维：
用户1154259
2018-07-31
617
0
Spark机器学习——模型选择与参数调优之交叉验证
spark
机器学习
spark 模型选择与超参调优 机器学习可以简单的归纳为 通过数据训练y = f(x) 的过程，因此定义完训练模型之后，就需要考虑如何选择最终我们认为最优的模型。 如何选择最优的模型，就是本篇的主要内容： 模型验证的方法 超参数的选择 评估函数的选择 模型验证的方法 在《统计学习方法》这本书中，曾经讲过模型验证的方法有三种，分别是简单的交叉验证，S折交叉验证，留一交叉验证 简单的交叉验证 即把全部数据按照比例分割成两部分，分别是训练集和测试集。在训练集训练模型，在测试集测试效果，最终选择一个代价比较小
用户1154259
2018-03-28
1.5K
0
服务器负载监控以及文字处理脚本
运维
机器学习
运维监控总少不了一些脚本来监控自己的机器，博主自己写了个监控，并通过sleep来控制输出的间隔时间。如果想要获取其他的相关信息，可以采用类似的方式，添加即可。 首先是服务器的负载监控脚本，主要输出了 内存，CPU，网络连接等信息 #!/bin/sh while true do TOP=`top -b -n 2 | grep Cpu |tail -2` FREE=`free -m` SWAP=`echo $FREE | grep Swap | cut -d":" -f 4` MEM=`echo $FREE
用户1154259
2018-01-17
757
0
《vi和vim》 学习手记（1）
数据处理
机器学习
O`Reilly 系列图书，广受好评，我也特地买了其中的几本，望有所收获。 第一部分 基础与高级的vi 行编辑器：ed 或 ex 全屏编辑器：vi 或 emacs UNIX分 商用系统 以及 源代码可用的相似系统。 商用系统包括 Solaris AIX HP-UX 相似系统：gnu/linux bsd衍生系统 i : 插入 cw 更改字词 vi命令特点： 字母大小写有区别 输入时不会显示在屏幕上 不需要在命令后加上enter键 ZZ 保存成常规unix文件 ls 列出目录中的文件 :w 保存
用户1154259
2018-01-17
717
0
图m着色问题
机器学习
1 问题描述： 给定无向图，m种不同的颜色。使每一种着色法使G中每条边的2个顶点不同颜色，若一个图最少需要m种颜色才能使图中每条边连接的2个顶点着不同颜色，则成这个数m为该图的色数。求一个图的色数m的问题称为图的m可着色优化问题。 2 算法设计 用图的邻接矩阵a表示无向图连通图G=（V,E）。 若存在相连的边，则a[i][j] = 1，否则 a[i][j]=0. 整数1,2,3.。。m用来表示为一棵高度为n+1的完全m叉树。 解空间树的第i层中每一结点都有m个儿子，每个儿子相应于x[i]
用户1154259
2018-01-17
810
0
Docker容器入门
容器镜像服务
机器学习
运维
容器
为什么要看docker 从去年起就或多或少的接受了docker的熏陶，主要还是Infoq在去年有很多关于docker的实践视频讲座，记得有一篇是《Docker在雪球的技术实践》，当时听的也不是很明白，就萌生了了解docker的想法。 可惜由于工作的关系，一直没有接触到这方面的内容，因此学习的计划也就暂时搁置。直到前不久京东促销买了本docker的书籍、又上网买了本盗版的电子书，想趁着春节好好学习一番，没想到回家就玩了。 直到最近抽出时间读一下《第一本docker书》，就当做先了解了解。 我理解的docker
用户1154259
2018-01-17
816
0
回溯法算法框架
机器学习
回溯法：有通用解题法 之称，可以系统的搜索一个问题的所有解和任一解，是一个既带有系统性，又带有跳跃性的搜索算法。 算法基本思想： 确定解空间后 从开始节点出发，以深度优先的方式搜索整个解空间。 如果当前扩展结点不能再向纵深方向移动，当前节点为死节点。此时，应该往回移动至最近的一个活节点处。，并是这个或节点成为当前节点的扩展结点。 提高算法方式（剪枝函数）： 1 用约束函数在扩展结点出剪去不满足约束的子树 2 用限界函数剪去得不到最优解的子树。 回溯法解题步骤： 1 定义问题的解空间
用户1154259
2018-01-17
1.2K
0
《推荐系统实践》—— 读后总结
人工智能
机器学习
深度学习
在刚刚毕业的时候，当时的领导就问了一个问题——个性化推荐与精准营销的区别，当时朦朦胧胧回答不出。现在想想，他们可以说是角度不同。精准营销可以理解为帮助物品寻找用户，而个性化推荐则是帮助用户寻找物品。
用户1154259
2018-01-17
890
0
点击加载更多
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天，分 10000 元奖品池！
立即发文
Python精品学习库
代码在线跑，知识轻松学
立即查看
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客，速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档