-
编辑 删除
【干货】机器学习中的五种回归模型及其优缺点
线性和逻辑斯蒂（Logistic）回归通常是是机器学习学习者的入门算法，因为它们易于使用和可解释性。然而，尽管他们简单但也有一些缺点，在很多情况下它们并不是最佳选择。实际上存在很多种回归模型，每种都有自己的优缺点。
-
编辑 删除
从上世纪80年代到今天，达梦数据库技术架构演进与应用全记录
传统关系数据库经过几十年的发展，架构是否已经到了演进尽头？MPP、读写分离、共享存储、分库分表……琳琅满目的架构从何处来向何处去？未来关系数据库架构可能会如何发展？本主题以达梦数据库架构演进与创新为例，向大家分享我们的看法。
-
编辑 删除
AI芯片的过去、现在与未来
医疗争端、化学合成、罪犯识别、自动驾驶等应用领域，AI的威力日趋扩大。目前哪些是AI做不到的，未来哪些事又是AI可能做到的？美国商用系统芯片互连IP供应商ArterisIP的CTO Ty Garibay发表了一篇博客，解释了AI及AI芯片的前世今生。
-
编辑 删除
一文读懂机器学习大杀器XGBoost原理
XGBoost是boosting算法的其中一种。Boosting算法的思想是将许多弱分类器集成在一起形成一个强分类器。因为XGBoost是一种提升树模型，所以它是将许多树模型集成在一起，形成一个很强的分类器。而所用到的树模型则是CART回归树模型。讲解其原理前，先讲解一下CART回归树。
-
编辑 删除
深度研报：六大视角解读人工智能，AI岂止于技术
神经网络研究范式下，以计算机科学为理论基础，研究者尝试通过计算机编写程序的方式，让计算机模仿人类的智能行为。从今天人工智能的研究进展来看，神经网络的研究范式占据主流。
-
编辑 删除
TensorFlow 1.9迎来优化版，详细性能更新干货分享！
英特尔®TensorFlow * 1.9优化版现在已经进入使用阶段。当TensorFlow建立在英特尔® MKL-DNN（用于深度神经网络的英特尔®数学内核库）时，一些人不愿意基于源代码编译TensorFlow，去提升CPU性能，而英特尔®TensorFlow * 1.9优化的这些二进制包就为这些人提供了方便。
-
编辑 删除
有多少人工智能在“人工”强行“智能”
建立一个真正由AI驱动的服务并不简单。所以，一些初创公司动起了歪脑筋——他们让人类模仿机器，而不是让机器学习人类，因为这样成本便宜得多，也容易得多。
-
编辑 删除
腾讯云称99.9999999%的数据可靠性，那十亿分之一栽在哪里？
近日，腾讯云故障致数据丢失事件一出，一时间就上了各大热搜榜，由于腾讯云物理硬盘固件版本bug问题导致文件系统元数据损坏，直接使前沿数控技术这家正值发展阶段的创业公司两年来积累的数据全部丢失，几乎致使企业一朝回到创业初期。
-
编辑 删除
Ubuntu 安装 tensorflow-gpu 1.4 +CUDA 8.0 +cuDNN详细教程
在你清除 " Secure Boot keys" 之后，你将会有 "Install default Secure Boot keys" 选项来恢复默认的keys 。 在你清除 " Secure Boot keys" 之后， Secure Boot 会被自动关闭，你现在可以设置 "OS Type" 为"Other OS"。
-
编辑 删除
Tensorflow多GPU使用详解
如果 TensorFlow 操作同时有 CPU 和 GPU 的实现，操作将会优先分配给 GPU 设备。例如，matmul 同时有 CPU 和 GPU 核心，在一个系统中同时有设备 cpu:0 和 gpu:0，gpu:0 将会被选择来执行 matmul。
-
编辑 删除
深度解读TensorFlow，了解它的最新发展！
无论怎样，我们都不得不承认TensorFlow是一个很棒的系统，人们用人工智能做了很多令人惊叹的事情，包括一些医疗保健、电影推荐引擎、音乐、个性化广告以及社交媒体情感挖掘等，TensorFlow确实是实现这些目标的头等功臣！
-
编辑 删除
十分钟理解Java中的弱引用
本篇文章尝试从What、Why、How这三个角度来探索Java中的弱引用，帮助大家理解Java中弱引用的定义、基本使用场景和使用方法。
-
编辑 删除
TensorFlow入门简介，新手请看这里！
TensorFlow是一个使用数据流图进行数值计算的开源软件库，是谷歌基于DistBelief研发的第二代人工智能学习系统，命名来源于本身的运行原理。Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，TensorFlow为张量从流图的一端流动到另一端的计算过程。TensorFlow将复杂的数据结构传输至人工智能神经网络进行分析和处理。
-
编辑 删除
推荐 | 掌握这12条经验，对理解机器学习至关重要！
机器学习的主要目标是对训练集之外的样本进行泛化。因为无论有多少数据，都不太可能在测试中再次看到完全相同的例子。在训练集上具有良好表现很容易。
-
编辑 删除
【方法论】机器学习算法概览
工作机制：这个算法由一个目标变量或结果变量（或因变量）组成。这些变量由已知的一系列预示变量（自变量）预测而来。利用这一系列变量，我们生成一个将输入值映射到期望输出值的函数。这个训练过程会一直持续，直到模型在训练数据上获得期望的精确度。监督式学习的例子有：回归、决策树、随机森林、K – 近邻算法、逻辑回归等。
-
编辑 删除
人工智能改进传统云ERP的10种方法
随着数字化转型的进程加快，企业开始重新评估ERP的作用。传统ERP经过多年僵硬化定制过于追求生产的一致性，而忽视了客户的需求变化，导致系统缺乏灵活性，已经无法满足当今数字业务模型的增长需求。目前，人工智能（AI）、机器学习发展迅速，成为了很多企业的必备帮手，云ERP供应商要想解决传统ERP系统的问题，或许需要这两大王者的帮助！
-
编辑 删除
Java及JDK在deepin下的安装
Java是由Sun Microsystems公司于1995年5月推出的Java面向对象程序设计语言和Java平台的总称。由James Gosling和同事们共同研发，并在1995年正式推出。
-
编辑 删除
人工智能的下一个重大挑战：理解语言的细微差别
语言是人类特有的技能，是人类智慧的体现。在人工智能时代，自然语言处理（NLP）技术为机器赋予了这样的语言功能，让机器有了自然语言识别能力，为用户体验开辟了新路径。
-
编辑 删除
深入理解JVM字节码执行引擎
我们都知道，在当前的Java中（1.0）之后，编译器讲源代码转成字节码，那么字节码如何被执行的呢？
-
编辑 删除
MySQ 数据库主从同步安装与配置详解（Master/Slave）
本篇文章主要介绍了MySQL5.6 数据库主从同步安装与配置详解，具有一定的参考价值，有兴趣的可以了解一下。
