程序你好-腾讯云开发者社区

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

程序你好

专栏成员

350

文章

546905

阅读量

40

订阅数

浅谈计算机视觉中的图像标注

图像处理自动驾驶无人驾驶机器学习神经网络

计算机视觉被认为是机器学习和人工智能发展的重要领域之一。简而言之，计算机视觉是人工智能研究领域，致力于赋予计算机看世界和视觉解释世界的能力。

2020-12-31

3.3K0

主题建模技术介绍-机器学习模型的自然语言处理方法

数据挖掘机器学习神经网络深度学习

主题模型（topic model）是以非监督学习的方式对文集的隐含语义结构（latent semantic structure）进行聚类（clustering）的统计模型。

2020-12-31

3.2K0

导致大多数人工智能机器学习项目失败的原因

机器学习数据分析神经网络深度学习人工智能

我们到处都能看到机器学习的新闻。的确，机器学习有很大的潜力。根据数据分析绝大多数的人工智能项目将永远不会投入生产，为什么这么多的人工智能项目失败了? 根据在机器学习领域多年的经验，我们总结出了几个常见

2020-11-05

4900

拥抱人工智能，企业如何制定成功的AI战略？

机器学习神经网络深度学习人工智能企业

现在机器学习和人工智能受到各行各业的广泛关注。尽管人工智能已经变成科技媒体最热门的话题，被认为讲引领下一个科技潮流，但事实上大多数人(尤其是企业管理层)仍然不知道如何在企业生成活动中成功的应用机器学习。

2020-05-26

8160

人工智能行业应用

自动驾驶无人驾驶游戏机器学习深度学习

只要提到人工智能，就会让人联想到终结者机器毁灭世界的画面。值得庆幸的是，目前的情况要积极得多。所以，让我们来探索人工智能是如何帮助我们改造世界，并最终造福人类的。我们将讨论人工智能如何影响医疗、金融、农业等各个行业。

2019-11-06

1.3K0

ML.NET介绍：最常使用的数据结构IDataView

.net 机器学习神经网络人工智能深度学习

ML.NET一种跨平台的开源机器学习框架。ML.NET将让广大.NET开发人员可以开发自己的模型，并且将自定义的机器学习融入到其应用程序中，无需之前拥有开发或调整机器学习模型方面的专业知识。能够支持诸多机器学习任务，比如说分类（比如文本分类和情绪分析）以及回归（比如趋势预测和价格预测）,使用模型用于预测，还包括该框架的核心组件，比如学习算法、转换和核心的机器学习数据结构。

2019-03-04

1.7K0

什么是机器学习和人工智能以及它们之间的差异

机器学习和人工智能机器学习和人工智能的区别:“好的，谷歌!有什么事吗?你能演奏我最喜欢的曲目或者预订一辆从宫殿路到MG路的出租车吗?” “亚历克莎，几点了?”“早上5点叫醒我。”“你能告诉我明天的会

2018-12-06

8250

人工智能将改变商业决策

神经网络机器学习深度学习编程算法大数据

近年来，人工智能(AI)开始起步，并在科技行业取得重大进展。从挑选人们想去的餐厅开始，Siri、谷歌Assistant、微软Cortana、亚马逊Alexa等人工智能助手帮助我们日常生活。我们每天都在不知不觉中习惯了使用人工智能。例如，智能手机键盘上的自动更正功能和Facebook上的自动标签功能都是由人工智能控制的。简而言之，人工智能产业正试图让电脑模仿人类的智能，而通过神经网络，他们已经成功了一半。在神经网络中，他们试图让晶体管表现得像人类大脑的神经元。机器学习是利用人工神经网络(ANNs)来促进多层次的学习。深度学习是另一种学习模型(机器学习的一部分)，它基于数据表示而不是基于任务的算法。虽然人工智能的未来可能会让机器像人类一样做出决策，但现在已经在影响着人类的决策，尤其是商业决策。在本文中，我们将讨论一些关于人工智能如何(以及将如何)改变企业决策的有趣方法。

2018-09-29

1.3K0

机器学习等新技术正在重塑工厂的工作方式

机器学习自动化机器人游戏物联网

在过去的三十年里，工厂经历了翻天覆地的变化。80年代和90年代，工业自动化和机器人走在了前列。在过去的十年里，多种改变游戏规则的技术正在重塑工厂。机器学习、物联网(IoT)、大数据、虚拟现实(VR)和人工智能(AI)从根本上提醒着工厂的工作方式。它们的影响不仅限于制造业，它们几乎影响着每一个行业。本文试图解释机器学习及其在制造业世界中的意义。

2018-09-29

5310

数据科学的前6大语言

机器学习编程算法数据可视化数据挖掘

2012年的《哈佛商业评论》(Harvard business review)正确地将数据科学列为“21世纪最性感的工作”。即使在这份报告发表6年后的今天，《商业评论》仍被证明是正确的。随着人工智能和机器学习的出现，“数据科学”一词在精通技术的人中间流行起来。用最简单的话说，数据科学是一种利用科学技术和算法从数据中挖掘知识的方法，无论是结构化的还是非结构化的。因此，要想成为数据科学编程的先驱，就必须至少掌握一种受支持的语言。

2018-09-29

9430

机器学习 vs. 深度学习

机器学习深度学习编程算法决策树

在这篇文章中，我们将研究深度学习和机器学习的对比。我们也将分别学习它们。我们还将讨论他们在不同问题上的分歧。在进行深度学习和机器学习比较的同时，我们也会研究它们的未来趋势。

2018-09-29

5880

在云中部署机器学习模型

机器学习 devops 深度学习

对于软件开发，有许多方法、模式和技术用于构建、部署和运行应用程序。DevOps是一种以软件开发和操作的整体观点来描述软件工程文化的艺术方法论。

2018-08-21

1K0

5个有趣的大数据行业应用

大数据机器学习神经网络深度学习人工智能

大数据分析推动了过去五年的机器学习。还有很多东西有待探索。想要实现大多数大数据项目，需要了解Hadoop生态系统等框架。Hadoop下的MapReduce框架为分布式计算提供了大量的可扩展性。此外，大数据项目需要巨大的处理能力。有两种常见的方法可以获得这样的处理能力：

2018-07-23

2830

使用ML.Net和CSharp语言进行机器学习

.net 机器学习数据处理开源 c#

本文介绍.net中的机器学习技术实现，不涉及数学方面的内容。它将重点关注在.net中的基本工作流程及其数据处理结构，以及怎么样通过使用开源项目ML.Net 0.2来进行机器学习的实验。

2018-07-23

2.3K0

微软发布开源跨平台机器学习框架ML.NET 0.2版本

开源机器学习 .net

上个月在Build 2018年微软发布了ML.NET 0.1，一个跨平台的开源机器学习框架。今天又发布了ML.NET 0.2。这个版本侧重于添加新的ML任务，比如集群，使验证模型更容易，为ML.NET示例添加一个全新的repo，并解决我们在GitHub repo中收到的各种问题和反馈。

2018-07-23

4290

应用程序性能成熟度的六个级别

机器学习神经网络深度学习人工智能

许多公司会迭代地构建业务应用程序，从概念验证开始，然后利用创造性的内部和外部人才将概念构建到一个工作原型中，然后将其扩展到产品中。

2018-07-23

7170

人工智能的未来依赖于道德准则

人工智能安全机器学习

Facebook最近受到了严格的审查，因为他们在用户不知情的情况下分享了数百万用户的数据。我们还了解到，Facebook正在利用人工智能预测用户的未来行为，并将这些数据卖给广告商。因此，Facebook的商业模式及其处理用户数据的方式引发了人们期待已久的关于数据隐私的讨论和争议。

2018-07-23

1.3K0

感谢增强现实，你可以在你的桌子上观看足球比赛

现在正在进行世界杯比赛，这意味着即使是关于机器学习的文章也必须站在足球的角度。今天说的是一个精彩的系统，它将比赛的2D视频重新制作成3D，这样你就可以在你的咖啡桌上看着它们(假设你有某种增强现实的设置，你几乎肯定不会)。虽然效果不如去俄罗斯看现场比赛，但可能比在电视上要好看多了。 “桌面足球”系统将比赛录像作为输入，并仔细观看，分别跟踪每个球员和他们的动作。然后将球员的图像映射到“从足球视频游戏中提取出来的”3D模型上，并将其置于球场的3D表示上。基本上，他们通过FIFA 18与现实生活进行一种微型混合。

2018-07-20

3290

开源项目ELMo：机器学习在自动翻译中的应用

开源机器学习 NLP 服务人工智能

计算机系统越来越善于理解人们所说的话，但它们也有一些主要的弱点。其中一个事实是，他们对具有多重或复杂含义的词语感到困惑。一种名为ELMo的新系统将这一关键上下文添加到词汇中，从而提高了对词汇的全面理解。要说明这个问题，可以想想“女王”这个词。“当你和我说话的时候，我说这个词，你从上下文就能知道我说的是伊丽莎白女王，还是象棋棋子，或是蜂房的女主人，或是RuPaul鲁保罗的变装比赛。” 单词具有多重含义的能力称为多义性。实际上，这是规则而不是例外。这句话的意思通常可以由“上帝保佑女王!”这句话来确定。和“我救

2018-07-20

1.1K0

人脸识别技术的真相

人脸识别机器学习神经网络

人脸识别是机器学习的直接应用，这项技术已经被消费者、行业和执法机关广泛采用，它可能为我们的日常生活带来了便利，但也有严重的隐私问题。人脸识别已经超过了人类的工作效率，但是，在某些应用中实际实现时还存在问题。立足于九十年代MIT的Eigenfaces方法，人脸识别第一次成功的大规模实现是2014年Facebook的DeepFace项目，准确性在实验室条件下达到了人类水平。从2014年开始，更大的训练数据集、GPU以及神经网络架构的快速发展进一步提高了人脸识别在通向现实世界可靠应用的更为丰富的上下文中的效率。

2018-07-20

1.8K0

点击加载更多

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

Python精品学习库

代码在线跑，知识轻松学

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

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