腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
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
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
人工智能头条
专栏成员
举报
1089
文章
1110927
阅读量
148
订阅数
订阅专栏
申请加入专栏
全部文章(999+)
其他(317)
人工智能(314)
机器学习(239)
深度学习(217)
编程算法(182)
神经网络(128)
python(63)
大数据(60)
NLP 服务(49)
开源(41)
https(38)
机器人(34)
网络安全(31)
卷积神经网络(30)
推荐系统(27)
tensorflow(22)
github(21)
自动驾驶(20)
无人驾驶(20)
人脸识别(19)
分布式(19)
git(18)
游戏(18)
强化学习(18)
自动化(17)
图像识别(17)
数据库(16)
存储(16)
数据挖掘(15)
安全(14)
java(12)
数据分析(12)
api(11)
sql(10)
tcp/ip(9)
图像处理(8)
监督学习(8)
决策树(8)
keras(8)
物联网(8)
ide(7)
linux(7)
spark(7)
nat(7)
语音识别(6)
区块链(6)
html(6)
网站(6)
numpy(6)
线性回归(6)
pytorch(6)
windows(6)
ios(5)
apache(5)
spring(5)
腾讯云测试服务(5)
http(5)
黑客(5)
模式识别(5)
无监督学习(5)
微信(5)
数据处理(5)
汽车(5)
php(4)
javascript(4)
go(4)
云数据库 Redis(4)
搜索引擎(4)
爬虫(4)
scikit-learn(4)
数据可视化(4)
系统架构(4)
比特币(3)
mac os(3)
c++(3)
matlab(3)
机器翻译(3)
知识图谱(3)
企业(3)
容器(3)
dubbo(3)
架构设计(3)
程序员(3)
node.js(2)
android(2)
arm(2)
嵌入式(2)
硬件开发(2)
unix(2)
ubuntu(2)
nginx(2)
容器镜像服务(2)
文件存储(2)
医疗(2)
缓存(2)
hadoop(2)
正则表达式(2)
kernel(2)
数据结构(2)
mqtt(2)
kafka(2)
sdn(2)
Elasticsearch Service(2)
论文(2)
负载均衡(1)
iphone(1)
swift(1)
lua(1)
.net(1)
r 语言(1)
xml(1)
css(1)
ajax(1)
单片机(1)
sqlite(1)
oracle(1)
django(1)
打包(1)
vba(1)
windows server(1)
delphi(1)
容器服务(1)
NAT 网关(1)
消息队列 CMQ 版(1)
数据加密服务(1)
物联网通信(1)
mongodb(1)
营销风控(1)
政务云专区(1)
渲染(1)
智能硬件(1)
数据安全(1)
yarn(1)
kubernetes(1)
devops(1)
运维(1)
html5(1)
ssh(1)
gui(1)
面向对象编程(1)
spring boot(1)
opencv(1)
unity(1)
seo(1)
二叉树(1)
敏捷开发(1)
socket编程(1)
lamp(1)
迁移学习(1)
微服务(1)
腾讯云开发者社区(1)
processing(1)
云计算(1)
5g(1)
ascii(1)
程序人生(1)
学习方法(1)
教育(1)
apple(1)
delay(1)
facebook(1)
ip(1)
it(1)
mac(1)
next(1)
tcpdump(1)
time(1)
twitter(1)
公众号(1)
模型(1)
苹果(1)
软件工程(1)
项目经理(1)
搜索文章
搜索
搜索
关闭
驱动智慧医疗,从至强开始 ——英特尔,用人工智能解决大问题
深度学习
数据处理
大数据、云计算、人脸识别、自动驾驶……近年来这些耳熟能详的人工智能科技,正在悄然改变着我们的生活。英特尔作为全球领先的科技公司,一直致力于用人工智能解决大问题。
用户1737318
2018-11-23
472
0
处理非平衡数据的七个技巧
数据处理
html
摘要:本文介绍了在入侵检测、实时出价等数据集非常不平衡的领域应用的数据处理技术。 关键字:平衡数据,数据准备,数据科学 原文:7 Techniques to Handle Imbalanced Data http://www.kdnuggets.com/2017/06/7-techniques-handle-imbalanced-data.html 作者:Ye Wu & Rick Radewagen, IE Business School. 译者:王安阳 介绍 在例如银行欺诈检测、市场实时出价、网络
用户1737318
2018-07-20
439
0
Facebook如何运用机器学习进行亿级用户数据处理
机器学习
数据处理
存储
分布式
编译 | 刘畅、尚岩奇、林椿眄 审校 | reason_W 2017年末,Facebook应用机器学习组发布最新论文,对整个Facebook的机器学习软硬件架构进行了介绍。纵览全文,我们也可以从中对Facebook各产品的机器学习策略一窥究竟。论文中涉及到机器学习在全球规模(上亿级数据处理)上的全新挑战,并给出了Facebook的应对策略和解决思路,对相关行业和研究极其有意义。 摘要 机器学习在Facebook的众多产品和服务中都有着举足轻重的地位。 本文将详细介绍Facebook在机器学习方面的软硬件
用户1737318
2018-06-05
790
0
如何利用“图计算”实现大规模实时预测分析
大数据
数据结构
数据处理
编程算法
数据库
摘要:相比起“Hadoop、Spark”这种流行的大数据处理平台,说起“图计算”,可能许多人还比较陌生。“图计算”是以“图论”为基础的对现实世界的一种“图”结构的抽象表达,以及在这种数据结构上的计算模式。 一、何为“图计算” 相比起“Hadoop、Spark”这种流行的大数据处理平台,说起“图计算”,可能许多人还比较陌生。甚至有人会误把它当成专门进行“图像”处理的技术。 首先我们互联网上通常的定义来说明一下图计算: “图计算”是以“图论”为基础的对现实世界的一种“图”结构的抽象表达,以及在这种数据结构上的计
用户1737318
2018-06-05
1.9K
0
卷积神经网络一些问题总结
卷积神经网络
数据处理
涉及问题: 1.每个图如何卷积: (1)一个图如何变成几个? (2)卷积核如何选择? 2.节点之间如何连接? 3.S2-C3如何进行分配? 4.16-120全连接如何连接? 5.最后output输出什么形式? ①各个层解释: 我们先要明确一点:每个层有多个Feature Map,每个Feature Map通过一种卷积滤波器提取输入的一种特征,然后每个Feature Map有多个神经元。 C1层是一个卷积层(为什么是卷积?卷积运算一个重要的特点就是,通过卷积运算,可以使原信号特征增强,并且降低
用户1737318
2018-06-05
835
0
没有更多了
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
立即查看
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