看到好东西,怎么能不分享呢。 第一次在知乎翻译,由于水平有限(不是谦虚的那种有限,是真的有限),有不准确的地方还望包涵,最重要的是,还望大佬们多多指正! Background To the best of our knowledge, this is the first list of deep learning papers on medical applications. There are couple of lists for deep learning papers in general, o
一般10M以下的文件上传通过设置Web.Config,再用VS自带的FileUpload控件就可以了,但是如果要上传100M甚至1G的文件就不能这样上传了。我这里分享一下我自己开发的一套大文件上传控件供大家参考。 此控件PC全平台支持包括mac,linux系统的文件上传,文章末尾将附上各种版本控件下载与教程链接
1. libsrt[C] 一个极速纯C库,自称包含了string/vector/bit set/set/map/hash set/hash map等实现
导读:本文是“深度推荐系统”专栏的第十篇文章,这个系列将介绍在深度学习的强力驱动下,给推荐系统工业界所带来的最前沿的变化。本文主要根据RecSys 2019中论文《Are We Really Maki
作者 | 深度传送门 来源 | 深度传送门(ID:gh_5faae7b50fc5) 导读:本文是“深度推荐系统”专栏的第十篇文章,这个系列将介绍在深度学习的强力驱动下,给推荐系统工业界所带来的最前沿的
本笔记主要问题来自以下两个问题,以及我自己面试过程中遇到的问题。 深度学习相关的职位面试时一般会问什么?会问一些传统的机器学习算法吗?(http://t.cn/RMrVwoU) 如果你是面试官,你怎么去判断一个面试者的深度学习水平?(http://t.cn/RIQnMZv) 以下问题来自@Naiyan Wang(http://t.cn/RjVwbgQ) 1.CNN最成功的应用是在CV,那为什么NLP和Speech的很多问题也可以用CNN解出来?为什么AlphaGo里也用了CNN?这几个不相关的问题的相
微博上近日流传一个段子,“2020年曾是各大科幻片中遥远的未来,但是现在离这个遥远的未来也只有6个月时间了”。只是借此感慨一下2019年转瞬之间半年的时间已经过去了,目前深度学习火热朝天,深度学习在推荐系统和CTR预估工业界的论文也是一篇接着一篇良莠不齐。
本文给到的是相关具体可能会被问及的问题 (编程、基础算法、机器学习算法)。从本次关于算法工程师常见的九十个问题大多是各类网站的问题汇总,希望你能从中分析出一些端倪,文末附了部分参考的答案。 问题区 1. struct 和 class 区别,你更倾向用哪个 2. kNN,朴素贝叶斯,SVM 的优缺点,朴素贝叶斯的核心思想,有没有考虑属性之间不是相互独立的情况 3. 10 亿个整数,1G 内存,O(n) 算法,统计只出现一次的数。 4. SVM 非线性分类,核函数的作用 5. 海量数据排序 6. 项目中
推荐一个Github项目:Smilexuhc/Data-Competition-TopSolution
她总结了一份基本的机器学习算法,全部以纯Python(版本3.6+)实现。其中包括线性回归等七套算法,具体地址在此:
题记 源自“死磕Elasticsearch”技术群里的讨论问题: ——我想用es做个类似于知识库的东西,所以需要索引一些pdf、word之类的文件,这个你之前有试过吗?能给个方向吗? 我的思考如
大家都知道最近新浪短网址出问题了! 以前蓝奏云、文章分享出来的地址都是https://t.cn的 导致丢失好多量! 一个一个修改太麻烦了,我们只能暂时将 https 全部替换为 http 解决办法 emlog文章内 update emlog_blog set content=replace(content,'https://t.cn/','http://t.cn/') emlog_cpdown下载插件 update emlog_cpdown set other=re
所谓短网址就是通过一定的算法把很长的网址得到一个很短的网址,点击这个短网址后会跳转到之前的长网址。
机器之心原创 记者:高静宜 ACL(The Association for Computational Linguistics)是自然语言处理与计算语言学领域最具影响力、最具活力的级别学术会议,由计算语言学协会主办,每年一届。今年的 ACL 第 55 届年会,将于 2017 年 7 月 30 日至 8 月 4 日在加拿大温哥华举行。 近日,ACL 2017 公布了录用的论文,其中包含生物医学、认知建模与心理语言学、交互式对话系统、机器翻译等各研究领域的 194 篇长篇论文、107 篇短篇论文、21 个软件演
本文实例讲述了PHP通过调用新浪API生成t.cn格式短网址链接的方法。分享给大家供大家参考,具体如下:
欢迎投稿或推荐你自己的项目,投稿邮箱: editor@hi-linux.com 。如果你对周刊有什么建议和意见,或者想与大家一起讨论技术问题,也可以戳「这里」加入技术交流群。
短网址流行已经有一段时间了,尤其是在新浪微博上更是频繁出现,但应该很多人都不知道这个东东是怎么实现的,其实短网址也挺容易的。下面我们对于生成短网址的思路以及使用php生成短网址的实现方法描述一下。
本文作者Jasperyang,毕业于BUPT。本文原载于知乎专栏,AI 研习社授权转载。 Kaggle 的数据挖掘比赛近年来很火,以至于中国兴起了很多很多类似的比赛,做了两个这种类型的比赛了,Jdata 用户商品购买预测和用户位置精准预测,积累了相当多的比赛经验了,虽然两次成绩都不是特别好,59/4590和 179/2844。 这些比赛的套路从根本上都是一毛一样的,我下面可以和大家探讨一个大致的做题套路以及怎么往高分走的方向,但是总结来说这就是个拼体力的任务,和智力无关。(虽然锻炼了动手能力,极大强化了我在
【导读】本文是“深度推荐系统”专栏的第九篇文章,这个系列将介绍在深度学习的强力驱动下,给推荐系统工业界所带来的最前沿的变化。本文简要总结一下阿里妈妈在 KDD 2019 上组织的第一届面向高维稀疏数据的深度学习实践 Workshop[1] 收录的论文。
大家都知道最近新浪短网址出问题了! 以前蓝奏云、文章分享出来的地址都是https://t.cn的 导致丢失好多量! 一个一个修改太麻烦了,我们只能暂时将 https 全部替换为 http 解决办法 emlog文章内 update emlog_blog set content=replace(content,'https://t.cn/','http://t.cn/') emlog_cpdown下载插件 update emlog_cpdown set other=replace(other,'https:/
2017 年,在深度学习技术的加持下,CV、NLP、数据分析等领域全面开花,同时大量新开发工具和开源软件的涌现,降低了人工智能开发的门槛,加速了深度学习的普及。本文从深度学习、CV、NLP 的方面盘点 2017 年 AI 研习社报道过的 AI 领域新开源软件,为各位读者提供开发和设计的参考。 如果本文没有涵盖你心目中最爱的 AI 开发工具,欢迎你在评论区留言讨论。 深度学习 BigDL BigDL 是 Intel 开源的一个基于 Apache Spark 的分布式深度学习库。通过使用 BigDL,用户可
支持生成 新浪短网址 t.cn , 腾讯短网址 url.cn , 百度短网址 dwz.cn , 还有 suo.im...(如果需要其他的可以联系我接入)
提问内容如下: 之前非常熟悉 Tensorflow,后来都说 PyTorch 简单易上手,自己就去试了试。 PyTorch 连最基本的 maximum, minimum, tile 等等这些 nump
文档首页:https://alapi.cn 接口地址:https://v1.alapi.cn
Kaggle 的数据挖掘比赛近年来很火,以至于中国兴起了很多很多类似的比赛,做了两个这种类型的比赛了,Jdata 用户商品购买预测和用户位置精准预测,积累了相当多的比赛经验了,虽然两次成绩都不是特别好,59/4590和 179/2844。 这些比赛的套路从根本上都是一毛一样的,我下面可以和大家探讨一个大致的做题套路以及怎么往高分走的方向,但是总结来说这就是个拼体力的任务,和智力无关。(虽然锻炼了动手能力,极大强化了我在 sklearn 和 pandas 上的技能熟练度...) PART 1 : 怎么开始
http://cvgl.stanford.edu/projects/uav_data/
本文特约作者为 DataCamp 的联合创始人 Martijn Theuwissen 。更多 R 语言资源请访问这里(http://t.cn/R9Uo2po) ,各种 R 语言源代码也在其中。 这里(http://t.cn/RZ0nGo0)还有一份数据科学备忘清单,能让你从零开始学习数据科学,包括 R 语言。 如果你没有编程经验,或者是对点击式的统计软件更熟悉(而非真正的编程语言), R 语言学起来还是有点难度的。本文的学习方法更适合 R 语言小白,不过老司机们也可以从中获得 R 语言的最新动态。 本文的
(Stanford)69G大规模无人机(校园)图像数据集【Stanford】 http://cvgl.stanford.edu/projects/uav_data/
GitHub是一个面向开源及私有软件项目的托管平台,因为只支持git 作为唯一的版本库格式进行托管,故名GitHub。是全球最大的同性交友网站,哦不,最大的程序员交流网站。
Edge Computing and the Future of the Cloud
Github 默认是不支持下载存储在仓库中的部分内容的,通常你需要使用某个项目就必须下载该项目的所有文件。但有时我们需要只下载某一个项目中的某个文件夹或文件的内容,
写在前面 去年上半年,我开始着手推动项目中响应式设计的落地。以官网优化需求为契机,主动去做了响应式的页面设计,也说服了产品、设计和开发的相关同事一起把它上线落实,但不幸的是,由于各种方面的原因,比如,生搬硬套的PC模块,无差异化的设计使得移动端阅读不佳,导航兼容性有限等等原因,上线几个月后又悄然下线。我不禁反思,项目中是否应该推行响应式?今年年初重新启动了全站响应式项目,从产品、交互、视觉到开发,各个角色全方面参与了响应式项目,最终门户的页面实现全面响应式。在项目过程中有技术沉淀,也有不少的思考,也就有了以
2017 年 1 月,Facebook 开源 PyTorch,短短一年时间,PyTorch 便发展成一线开发者争相使用的工具。这一年间,有哪些研究人员对 PyTorch 的发展做出了贡献?关于 PyTorch 的经典课程有哪些?它经历了什么样的改变?研究人员又带来了哪些创新?(原文:http://pytorch.org/2018/01/19/a-year-in.html )
翻译 | 余若男 李振 吴章勇 整理 | 凡江 此文展示了基于 RNN 的生成模型在歌词和钢琴音乐上的应用。 介绍 在这篇博文中,我们将在歌词数据集上训练 RNN 字符级语言模型,数据集来自最受欢迎以及最新发布的艺术家的作品。模型训练好之后,我们会选出几首歌曲,这些歌曲将会是不同风格的不同艺术家的有趣混合。之后,我们将更新模型使之成为一个条件字符级 RNN,使我们能够从艺术家的歌曲中采样。最后,我们通过对钢琴曲的 midi 数据集的训练来总结。 在解决这些任务的同时,我们将简要地探讨一些有关
近日,Rachel Thomas在fast.ai上发布了一篇博文《What you need to do deep learning》,他希望通过这篇文章回答一些深度学习入门者经常会问到的问题:什么样的电脑才能用来做深度学习?为什么 fast.ai 推荐使用英伟达的 GPU 呢?哪些深度学习库不适合初学者?你又是如何将深度学习应用到实际生产中的? Rachel Thomas认为,所有的这些问题都可以归结到一个主题,那就是“究竟需要准备好哪些东西(硬件、软件、知识背景以及数据等)才能开始深度学习?”。所以本篇
【新智元导读】本文精选10篇2016年的经典机器学习相关文章,既有大牛写的深度好文,也有“神经网络动物园”这类的有趣小文,值得收藏研读。 去年,Mybridge对近14,500篇机器学习文章进行了筛选排名最终选出了10篇文章(入选几率为0.069%),旨在帮助读者在2017年提升职业生涯到一个台阶。 “正是机器学习才使得AlphaGo通过成百万次的训练最终取得世界冠军。”——DeepMind 创始人 Demis Hassabis 这个机器学习列表包括诸如:深度学习,AI,自然语言处理,面部识别,Tensor
之前,因为部分文章有些问题,白茶决定撤回、修改、更正、重新发出来,到这篇文章为止,基本上都已经修订完毕了。
社长将每周为你推荐来自AI研习社问答社区的精华问答。如有你也有问题,欢迎进社区提问。 一个小介绍: 社区目前主要功能是问答和博客,支持文字、图片、视频、代码、公式、超链接,这些功能可以让你在描述问题/
你们期待的终于来了,我可以算作是Android自学界的鼻祖了,之前自学的故事与分享的知识、经验影响了无数人,如今几年过去了,我经常收到不少人的感谢信,很多当初看我的教程的初学者如今已经在Android开发小有成就,而且让我欣慰的是他们也依然延续我的分享精神,影响更多的人。
AI 科技评论按:强化学习的研究如此火热,但强化学习的研究中又有如此之多的实践上的困难。「工欲善其事,必先利其器」,谷歌就推出了一个强化学习研究专用的框架帮自己减负、加速。 AI 科技评论把谷歌的介绍博客编译如下。
计算机视觉 (Computer Vision, CV) 是一门研究如何使机器“看”的科学。1963年来自MIT的Larry Roberts发表的该领域第一篇博士论文“Machine Perception of Three-Dimensional Solids”(http://t.cn/RYiIO9N),标志着CV作为一门新兴人工智能方向研究的开始。 在发展了50多年后的今天,我们就来聊聊最近让计算机视觉拥有「无中生有」能力的几个有趣尝试:1)超分辨率重建;2)图像着色;3)看图说话;4)人像复原;5)图像自
如果你一直关注数据科学/机器学习,你就不能错过深度学习和神经网络的热潮。互联网公司正在寻找这方面的人,而且从竞赛到开源项目,都有巨额奖金。 如果你对深度学习所提供的前景感到兴奋,但是还没有开始,在这里或许是你开始的第一步。 在这篇文章中,我将介绍TensorFlow。阅读本文后,你将能够理解神经网络的应用,并使用TensorFlow解决现实生活中的问题,本文中的代码是用Python编写的,Python最近的火爆也和深度学习有关。 何时使用神经网络? 有关神经网络和深度学习的更详细的解释, 请看这里(ht
为公司申请一个免费的腾讯企业邮箱是很有比较的方法也很简单 腾讯云新客专属福利2860元代金券http://t.cn/EynQerH 腾讯云热卖云产品3折起http://t.cn/E2j4VwJ 20
本文继续介绍斯科特·扬(Scott Young)写的《如何高效学习》中整体性学习的第二部分,主要介绍整体性学习的相关技术。
F8 Facebook开发者大会,将于4月18日至19日在加州圣何塞举行。注册申请将于2月21日关闭。此次大会安排了50多场研讨会,其中涉及工程、媒体、广告、Instagram、Messenger、O
这个问题已经是老生常谈了,更是经常被作为面试的压轴题出现,网上也有很多文章,但最近闲的无聊,然后就自己做了一篇笔记,感觉比之前理解更透彻了。
原题目如下: 机器学习应该准备哪些数学预备知识? 数据分析师,工作中经常使用机器学习模型,但是以调库为主。 自己一直也在研究算法,也裸写过一些经典的算法。 最近在看PRML这类书籍,感觉有点吃劲,主要
AI研习社消息,近日,谷歌科学家发布TensorFlow Lattice,这是一套预建的TensorFlow Estimators,易于使用,它相当于是TensorFlow运算符,用来构建点阵模型(lattice model)。点阵是多维插值查找表(look-up table),与几何教材背面近似于正弦函数的查找表类似。 AI研习社编译整理如下: 我们利用查找表的结构(它可以通过多个输入进行键控),来估计比较随意及灵活的关系,并满足于指定的单调关系,以便更好地泛化。也就是说,训练查找表值使得训练样例的损失最
微软最近在 Build 2019 开发者大会上发布了一款引人注目的全新的命令行应用程序 —— Windows Terminal!Windows Terminal 顾名思义就是「Windows 终端」。
微服务是当今软件工程师的一个热门话题。让我们了解如何使用微服务架构风格构建真正模块化、业务敏捷的IT系统。
领取专属 10元无门槛券
手把手带您无忧上云