ITPub博客

https://blog.csdn.net/red_stone1/article/details/81162774机器学习是一门理论性和实战性都比较强的技术学科。在应聘机器学习相关工作岗位时，我们常常会遇到各种各样的机器学习问题和知识点。为了帮助大家对这些知识点进行梳理和理解，以便能够更好地应对机器学习笔试包括面试。红色石头准备在公众号连载一些机器学习笔试题系列文章，希望能够对大家有所帮助！今天，

https://blog.csdn.net/red_stone1/article/details/81073650机器学习是一门理论性和实战性都比较强的技术学科。在应聘机器学习相关工作岗位时，我们常常会遇到各种各样的机器学习问题和知识点。为了帮助大家对这些知识点进行梳理和理解，以便能够更好地应对机器学习笔试包括面试。红色石头准备在公众号连载一些机器学习笔试题系列文章，希望能够对大家有所帮助！Q1.

https://blog.csdn.net/red_stone1/article/details/81023976上次 机器学习笔试题精选（一）中，我们详细解析了机器学习笔试 15 道题。今天，红色石头带大家继续“死磕”相关笔试题！往期回顾：直通 BAT！机器学习笔试题精选（一）Q1. 假如我们使用 Lasso 回归来拟合数据集，该数据集输入特征有 100 个（X1，X2，…，X100）。现在，我

https://blog.csdn.net/red_stone1/article/details/80982149机器学习是一门理论性和实战性都比较强的技术学科。在应聘机器学习相关工作岗位时，我们常常会遇到各种各样的机器学习问题和知识点。为了帮助大家对这些知识点进行梳理和理解，以便能够更好地应对机器学习笔试包括面试。红色石头准备在公众号连载一些机器学习笔试题系列文章，希望能够对大家有所帮助！Q1.

Python中装饰器语法详解  ❈ 要点抢先看 1.神奇的装饰器到底是什么  2.装饰器的用法和语法糖  3.装饰器如何添加参数 装饰器是python里的一个非常有意思的部分，他用于封装函数代码，显式的将封装器应用到被封装的函数上，从而使得他们选择加入到装饰器指定的功能中。对于在函数运行前处理常见前置条件（例如确认授权），或在函

 第一题def accum(s):     #写你的代码，代码输出结果     #accum("abcd")  # "A-Bb-Ccc-Dddd"     #accum("cwAt")  # "C-Ww-Aaa

算法channelhttps://mp.weixin.qq.com/s/AbRgqFSyMR_4zvadYQxmBA  微信号 alg-channel功能介绍 现在某知名互联网公司，喜欢分享，已推160余篇干货文章，结合例子和工作阐述算法，包括：基础算法，机器学习算法例子阐述，深度学习入门，斯坦福大学 NLP 课程笔记，Python ，Pandas实践入门系列，新浪等机器学习岗面试经验。

SVM本身是一个二值分类器　　SVM算法最初是为二值分类问题设计的，当处理多类问题时，就需要构造合适的多类分类器。　　目前，构造SVM多类分类器的方法主要有两类　　（1）直接法，直接在目标函数上进行修改，将多个分类面的参数求解合并到一个最优化问题中，通过求解该最优化问题“一次性”实现多类分类。这种方法看似简单，但其计算复杂度比较高，实现起来比较困难，只适合用于小型问题中；　　（2）间接法，主要是通

秋招各种笔试面试，总结下遇到的图像处理和C++的题目。写下来的都是能记起来的，记不起来的应该也有不少。大概让没有经历过的人知道会遇到什么样的问题，可以提前准备下。除了一下题目之外，最多的还是围绕着你做过的项目来问的。一、图像处理题目注意，一下所有需要写代码的题目，不允许使用OpenCV的Mat类。如果图片内容需要用指针读取。给定0-1矩阵，求连通域。（遇到过N次，笔试面试都有，最好做到能徒手hac

　 http://blog.itpub.net/28285180/viewspace-2158030/       近日，在百度AI开发者大会Baidu Create上，英特尔人工智能事业部副总裁兼人工智能架构总经理Gadi Singer介绍了英特尔与百度在人工智能领域的一系列合作进展。会后，笔者有幸采访到了Gadi Singer，就英特

http://blog.itpub.net/31509949/viewspace-2158398/你了解随机森林算法吗？你对随机森林算法了解到了怎样的一个程度？如果你不甚了解或者某一地方存有疑惑，那么这篇文章你一定不能错过。本文分为六个部分：什么是随机森林算法？随机森林算法在生活中的具体应用随机森林算法是如何工作的？随机森林算法的科学性随机森林一些应用方面随森林算法的一些利弊 什么是随机森林算法？

    以下链接是本人整理的关于计算机视觉（ComputerVision, CV）相关领域的网站链接，其中有CV牛人的主页，CV研究小组的主页，CV领域的paper,代码，CV领域的最新动态，国内的应用情况等等。打算从事这个行业或者刚入门的朋友可以多关注这些网站，多了解一些CV的具体应用。搞研究的朋友也可以从中了解到很多牛人的研究动态、招生情况等。总之，我认为，知识只

今日头条的走红带动了“个性化推荐”的概念，自此之后，内容型的产品，个性化算法就逐渐从卖点变为标配。伴随着“机器学习”，“大数据”之类的热词和概念，产品的档次瞬间提高了很多。而各种推荐算法绝不仅仅是研发自己的任务，作为产品经理，必须深入到算法内部，参与算法的设计，以及结合内容对算法不断“调教”，才能让产品的推荐算法不断完善，最终与自己的内容双剑合璧。本文以新闻产品为例，结合了我之前产品从零积累用户的

问题提要：1、如何设计一款AI产品？2、做AI产品和做一般互联网产品的区别是什么？3、产品项目里面pm担任的角色是怎样的，还是一个项目owner么？4、AI产品经理需要掌握的技能和能力是什么？5、通用智能语音助手产品设计难点？6、AI产品经理的现状和前景如何？1、人工智能的产业结构人工智能三大基石：数据、计算、算法大数据：数据为王，各行各业纷纷抢占用户数据，利用大数据描绘用户精准画像，从而进行丰富

http://blog.itpub.net/31077337/viewspace-2158712/ 在 Yann Lecun 提出 Le-Net5 之后的十几年内，由于神经网络本身较差的可解释性以及受限于计算能力的影响，神经网络发展缓慢且在较长一段时间内处于低谷。2012年，深度学习三巨头之一、具有神经网络之父之称的 Geoffrey Hinton 的学生 Alex Krizhevsky 率先提出

http://blog.itpub.net/31509949/viewspace-2158001/在这篇文章中，我们将讨论AI 的核心领域之一的局限性。在这个过程中，我们将遇到一个有趣的故事，一套将先前的知识和指导纳入强化学习的方法，以及一个根本的结论。你现在正在阅读的第一部分将解释RL（强化学习）是什么以及为什么它从根本上是有一些缺陷的。它将包含一些可以被AI从业者忽略的解释，但是一定要坚持讨论

http://blog.itpub.net/31509949/viewspace-2154575/什么是神经网络？大多数介绍神经网络的文章在描述它们时会涉及到大脑类比，在不深入研究大脑类比的情况下，将神经网络简单描述为将固定数值映射到期望输出的数学函数理解起来更容易。神经网络由以下部分组成：输入层，x任意数量的隐藏层输出层，?每层W和B之间的一组权重和偏差为每个隐藏层选择激活函数σ。在本教程中，我

http://blog.itpub.net/31137683/viewspace-2154594/ 　　今天我们就来聊一聊关于量子计算，全程烧脑干货!　　量子计算大牛施尧耘加入阿里云，担任阿里云技术首席科学家。他在接受采访时坦然说：目前量子计算领域有一个非常尴尬的处境：人才短缺。既懂量子，又善编程，两者兼顾的凤毛麟角。对于对黑科技感兴趣的程序员，这或许是一个机会!　　量子力学是研究物质世界微观粒子

http://blog.itpub.net/31509949/viewspace-2153490/人工智能（AI）每天都在以惊人的速度增长，并且与此同时，围绕着各行业的统计数据也在发生变化。该技术在简化医疗保健行业工作流程方面取得了巨大成功，减少了教育部门行政任务的工时，同时也降低了制造业的管理成本。这么看来，好像一个新的AI创业公司每天都会出现，目的是改变我们思考、互动和日常工作的方式。为了纪念

一些基础算法的理解，包括模拟法的理解。1.模拟法： 将自然的过程或者语言直白的程序化，比如题目中的求解过程，我们直接程序化模拟求解。 2.字符串处理： 常用的字符串操作，KMP字符串匹配算法（用于复杂度高，需要优化时）。3.递归： 古之欲明明德于天下者，先治其国；欲治其国者，先齐其家；欲齐其家者，先修其身；欲修其身者，先正其心；欲正其心者，先诚其意；欲诚其意者，先致其知，致知在格物。物格而后