ITPub博客

AI改变现代商业的25种方式 https://blog.csdn.net/cf2SudS8x8F0v/article/details/83451287  现在，是时候真正了解 AI 未来。 关于人工智能引起的焦虑 - 就业问题是其主要来源 - 现实是，没有人知道未来会如何。原因是，我们永远无法预见人类的聪明才智，以及全世界数百万企业家和管理者采用技术的方式。

https://mp.weixin.qq.com/s/vt2A0DgR_O9XaGVs0GDxHg编   辑：风 儿 来   源：雷锋网近日，「人工智能教父」、Google 深度学习研究团队联合创始人吴恩达在 The Future of Everything 杂志的采访中表示，人工智能寒冬不会到来，不过我们对于人工智能目前发展进程的态度有点过于乐观

清华 NLP 团队推荐：必读的77篇机器阅读理解论文https://mp.weixin.qq.com/s/2VhgEieBwXymAv2qxO3MPw           【导读】机器阅读理解(Machine Reading Comprehension)是指让机器阅读文本，然后回答和阅读内

从试用到使用：计算机视觉产业新一轮发展的起步年 https://mp.weixin.qq.com/s?__biz=MzI0ODcxODk5OA==&mid=2247498370&idx=2&sn=a3cf59324678183e9625a6555355249d&scene=21#wechat_redirect 视觉是最重要的感官之一，我们通过眼睛

https://mp.weixin.qq.com/s/hN5BahBo_1TpQSs6JCEFeg本文贡献者：刘铁岩、秦涛、邵斌、陈薇、边江刘铁岩，微软亚洲研究院副院长，国际电子电气工程师学会（IEEE）院士，美国计算机学会（ACM）杰出会员秦涛，微软亚洲研究院资深研究员邵斌，微软亚洲研究院主管研究员陈薇，微软亚洲研究院主管研究员边江，微软亚洲研究院主管研究员   人

自然语言处理定义：   自然语言处理是一门计算机科学、人工智能以及语言学的交叉学科。虽然语言只是人工智能的一部分（人工智能还包括计算机视觉等），但它是非常独特的一部分。这个星球上有许多生物拥有超过人类的视觉系统，但只有人类才拥有这么高级的语言。 自然语言处理的目标是让计算机处理或说“理解”自然语言，以完成有意义的任务，比如订机票购物或QA等。完全理解和表达语言是极其困难的，完美的语

自然语言处理定义： 自然语言处理是一门计算机科学、人工智能以及语言学的交叉学科。虽然语言只是人工智能的一部分（人工智能还包括计算机视觉等），但它是非常独特的一部分。这个星球上有许多生物拥有超过人类的视觉系统，但只有人类才拥有这么高级的语言。自然语言处理的目标是让计算机处理或说“理解”自然语言，以完成有意义的任务，比如订机票购物或QA等。完全理解和表达语言是极其困难的，完美的语言理解等效于实现人工智

最实用的机器学习算法优缺点分析，没有比这篇说得更好了 对于机器学习算法的盘点，网上屡见不鲜。但目前，还没人能结合使用场景来把问题说明白，而这一点正是本文的目的所在。 文中作者将结合他的实际经验，细致剖析每种算法在实践中的优势和不足。 本文的目的，是务实、简洁地盘点一番当前机器学习算法。尽管人们已做过不少盘点，但始终未能给出每一种算法的真正优缺点。在这里，我们依据实际使

机器学习这10年我们能在各自的领域做点什么？https://blog.csdn.net/weixin_42137700/article/details/83536098为什么要学习和了解机器学习？Benedict Evans 认为，最终几乎所有的东西都会有机器学习，到那时人们对机器学习已经是习以为常、见怪不怪了。到这一步还有多久呢？10-15年。这不禁让人思考：这10年，我们能利用这个契机在各自的

在没有采用GPU的情况下，有可能实现具有实时性能的对象检测模型吗？faced是一个概念证明，可以为在CPU上实时运行的单个类对象（在本例中为faced）构建自定义对象检测模型。问题是什么？在许多情况下需要单个类对象检测。这意味着我们想要检测属于图像中特定类的所有对象的位置。例如，我们可以检测面部识别系统的面部或需要跟踪人员的面部。更重要的是，大多数时候我们希望实时运行这些模型。为了实现这一目标，我

假设申请人向你提供成绩，你根据成绩对其进行分类，目标是根据分数将申请人分为两类，如果申请人可以进入大学，则分为1级，如果申请人不能被录取，则分为0级。使用线性回归可以解决这个问题吗？让我们一起来看看。注意：阅读本文的前提是了解线性回归！目录什么是逻辑回归？数据集可视化假设和成本函数从头开始训练模型模型评估Scikit-learn实现什么是逻辑回归？回想一下线性回归，它被用于确定一个连续因变量的值。

每家公司现在是一个数据公司，在一定范围能够使用机器学习在云中部署智能应用程序，这归功于三个机器学习的趋势： 数据飞轮 ， 算法经济 ， 和智能云托管 。 有了机器学习模型，企业现在可以快速分析大型，复杂的数据，并提供更快，更准确的见解，没有部署和维护机器学习系统的高成本。“当今建立的每一个成功的新应用程序将是一个智能应用程序，智

生成式句法分析指的是，生成一系列依存句法树，从它们中用特定算法挑出概率最大那一棵。句法分析中，生成模型的构建主要使用三类信息：词性信息、词汇信息和结构信息。前二类很好理解，而结构信息需要特殊语法标记，不做考虑。本文主要利用了词汇 + 词性生成联合概率模型，使用最大生成树 Prim 算法搜索最终结果，得到了一个简单的汉语依存句法分析器。开源项目本文代码已集成到

神经网络的基本思想是模拟计算机“大脑”中的多个互连细胞，使它能够从环境中学习，识别不同的模式，通俗一点来说就是模仿人类的思维模式进行决策。一个基本神经网络包含数百万个被称为单元的人工神经元。这些单元分层排列，每一层都互相连接。单元划分为如下几部分：1.     输入单元——用于接受外部环境的信息。2.     隐藏单元

作为机器学习最重要的一个分支，深度学习近年来发展迅猛，在国内外都引起了广泛的关注。然而深度学习的火热也不是一时兴起的，而是经历了一段漫长的发展史。接下来我们了解一下深度学习的发展历程。1. 深度学习的起源阶段1943年，心里学家麦卡洛克和数学逻辑学家皮兹发表论文《神经活动中内在思想的逻辑演算》，提出了MP模型。MP模型是模仿神经元的结构和工作原理，构成出的一个基于神经网络的数学模型，本质

现在的社会中， 身份证件识别SDK 的重要更是体现的淋漓尽致，而我们开车上路有俩个是必不可少的，一个驾驶证，另外一个就是行驶证了，今天小编就带大家了解一下关于行驶证识别的重要性！一、行驶证识别的重要性（ 身份证件识别SDK） 行驶证，是驾驶汽车的人员必备的一种证件，行驶证在交通领域也是频繁的使用，一定的情况下行驶证是能够代替身份证做为证件的。行驶证使用越来越方便的同时，录入驾驶证信息也就越

近年来，学术界和工业界的研究人员在深度学习领域进行了许多令人兴奋和开创性的研究。他们开发了许多强大得令人难以置信的新模型。然而，这些研究成果的大部分(少数科技巨头除外)仍然只是停留在实验阶段，而不是成为生产应用程序的一部分。尽管新的发现/发明源源不断，但在生产过程中，使用这些模型仍然非常困难(甚至做相关方面的论文也是如此)，部署机器学习模型仍然是一个重大挑战。在本文中，我将概述各种"生产

       在 2012 年的 ILSVRC 比赛中 Hinton 的学生 Alex Krizhevsky 使用深度卷积神经网络模型 AlexNet 以显著的优势赢得了比赛，top-5 的错误率降低至了 16.4% ，相比第二名的成绩 26.2% 错误率有了巨大的提升。       AlexNet 再一次吸引了广大研

一文读懂机器学习中的模型偏差在人工智能（AI）和机器学习（ML）领域，将预测模型参与决策过程的手段越来越常见，但难点是决策者需要确保这些模型不会根据模型预测做出偏见或者不公平的决策（有意或无意的歧视）。设想一下银行业、保险业和就业等行业，在确定面试候选人、批准贷款/信贷、额定保险费等环节中使用模型作为解决方案，如果最终决策出现偏差，对最终用户造成的伤害有多大?因此，对于研究ML问题的产品经理、业务

本期将针对机器学习的新朋友，为大家讲解解决机器学习问题的一般思路：很多博客、教程中都对机器学习、深度学习的具体方法有很详细的讲解，但却很少有人对机器学习问题的流程进行总结，而了解解决机器学习问题的一般流程对于新手而言还是非常必要的，所以本文是非常适合机器学习入门者的一篇文章，它会让你对机器学习的整个流程有很好的理解。当我们拿到一个机器学习问题时，通常处理的流程分为以下几步，如图1所示：图1 机器学