ITPub博客

世界上有成千上万种编程语言，但有一些特别优秀的语言，开发人员会反复使用。位于开发开源软件这一浪潮中的中心公司GitHub追踪这些编程语言的发展趋势。毕竟作为一个软件项目的集散地，开发人员可以通过它进行学习，并与超过310万的开发人员和210万的组织一起为开源做出贡献。该公司每年发布的相关报告对软件开发人员的现存需求有着深刻的见解（https://octoverse.github.com/proje

Python是一种通用语言，它的设计易于阅读和编写。它不是一门复杂的语言非常重要。其实，Python编程语言已经不是“年轻人”了。虽然它不像其他语言那么陈旧，但它的存在时间比大多数人想象的要长。它于1991年首次发布，虽然它多年来发生了很大的变化，但它仍然用于与当时相同的用途。事实上，这只是近年来它变得如此受欢迎的原因之一。它是一种基于生产的语言，适用于企业和一些一流的项目，并且它具有丰富的历史。

决策树是类似流程图的结构，其中每个内部节点表示一个测试功能（例如，硬币翻转出现正面或反面），每个叶节点都表示一个类标签（在计算所有特征之后做出的决定）和分支表示导致这些类标签的功能的连接。从根到叶的路径表示分类规则，下图说明了使用标签进行决策的决策树的基本流程（下雨（Yes），不下雨（No））。雨水预测决策树决策树是统计、数据挖掘和机器学习中使用的预测建模方法之一。决策树是通过算法方法构建的，该方

“中国社会转型所面对的挑战不仅仅是针对传统产业，制造业，对我们做技术的挑战也很大。过去的IT企业，在互联网时代、大数据时代，我们应该做什么？人工智能跟我们现在做的解决方案是一种什么关系？”

深度学习是机器学习（人工智能机制）的一个特定子集。它的编程框架看起来非常复杂，但其实思路很好理解，无非就是“以人脑为模型实现计算机系统智能化。”

有人说眼前的人工智能只是泡沫浮动，很快就会破灭。更有一部分认为人工智能会威胁到我们的工作，甚至威胁社会。

作者：Ivan Ilin，Vladimir Chikin，Kirill Solodskihiki每日馈送的屏幕截图这篇文章解决了构建基于深度学习架构的推荐系统的一般问题。文中描述的特定架构是为的新智能馈送提供支持，提升技能，检查其性能，请尝试使用产品测试版。https://app.iki.ai/如果你了解推荐系统的一般概念和主流方悉的话，并了解解决方案的细节，请跳过本文的前两部分。介绍推荐系统改变

目录：介绍动机先决条件数据采集了解数据数据清理加载训练集数据预处理- 图像数据预处理- 字幕使用生成器函数准备数据Word嵌入模型架构推理评估结论和未来的工作参考1.简介你在下面的图片中看到了什么？你能写一个标题吗？你们当中有些人可能会说“一只白色的狗趴在草地上”，有些人可能会说“有一只带有褐色斑点的白狗”，还有一些人可能会说“狗在草地上还有一些粉红色的花朵”。绝对所有这些标题都与此图像相关，也可

Carlos Atico Ariza是2018年秋季的洞察研究员，他部署了一个网络应用程序，利用图像分析来诊断疟疾患者：Malaria Hero（下文暂译为：疟疾英雄）——将临床医生的压力减轻了85％。在成为洞察员之前，Carlos担任数据科学顾问，负责构建端到端的机器学习解决方案，如无人监督的异常检测系统。在他化学和生物工程博士期间，他研究了一系列控制干细胞的方法，为再生医学领域做出贡献。小而致

图像识别是大多数现代设备和程序中部署的主要功能之一。该功能具有广泛的应用程序，最常见的是安全系统。它可以使设备通过图像来识别人员或物体的身份。而面部识别是图像识别的产物。那么，创建具有图像识别功能的应用程序或软件需要些什么？你只需要使用编程语言对其进行编程。当然，有些语言可以完成这项工作。这是用于图像识别的最佳编程语言。用于图像识别的最佳编程语言1. MatlabMatlab是一种独立的编程语言，

Kotlin来自工业，而不是学术界。它解决了当今工作程序员面临的问题。例如，类型系统可以帮助您避免空指针异常。研究语言往往根本就没有空，但这对使用大型代码库和API的人来说没有用。Kotlin是JetBrains的一种新编程语言，JetBrains是世界上最好的IDE的制造商。经过多次搜索，我已经确定了它作为我将在未来5到10年左右使用的编程语言。我非常喜欢Kotlin，并认为这将是一个非常成功的

"我应该在我的项目中使用GitHub吗?"——有抱负的数据科学家经常问我这个问题。只有一个答案——"绝对!"GitHub对于那些想要脱颖而出的数据科学家来说是一个非常有价值的平台。你可以把它当做一份在线简历，用来向招聘人员和其他专业人士展示你的代码。GitHub上有来自谷歌、Facebook、IBM、英伟达等顶尖科技巨头的开源项目，这些举措让GitHub更加

书籍对于学习者来说是非常有用的资源，每一个学习者都在寻找最好的书籍来获得全新的视角，在这里我们收集了由有经验的专业人士推荐的流行的深度学习书籍。以下是一些流行的深度学习书籍的列表，这些书籍可以帮助专业人士了解这些书籍，并能很容易地从这些书中获得新的知识：1.《Deep Learning》 ，作者Goodfellow, Bengio, Courville（链接，https://www.amazon.

很长一段时间以来，我一直希望将我对音乐的热情与我在人工智能方面的工作结合起来。但我一直再拖延。我觉得我需要先提高我的音乐制作技巧，然后再尝试深度学习这个过程。由Nuevo.Studio设计的NeuralFunk的封面（http://nuevo.studio）但是在9月中旬，我看到在今年的神经信息处理系统（NIPS）会议上（http://nips4creativity.com），将召开另一个关于创造

在我作为数据科学家的短暂时间内，我采访了大量的人。几次之后，我开始注意候选人。以下是您可以采用的一些建议（直接来自最佳表现者），你可以用来最大化你得到这份工作的机会:面试前你的简历：简历直接反映了某人如何表达自己。设计所传达的努力，对细节的关注，以及在某种程度上的“个性”，都会产生潜意识的偏见。无论面试官是否意识到这一点，在制作完美的第一印象时，请牢记：错误：拼写错误，格式错误，过于冗长，不清楚的

数据可视化是数据科学家工作的重要组成部分。在项目的早期阶段，您通常会进行探索性数据分析（EDA）以获得对数据的一些见解。创建可视化确实有助于使事情更清晰、更容易理解，尤其是对于更大、更高维度的数据集。在项目即将结束时，能够以清晰、简洁和引人注目的方式呈现您的最终结果非常重要，以便您的受众（通常是非技术客户）能够理解。Matplotlib是一个流行的Python库，可用于轻松创建数据可视化。但是，每

如果您一直在寻求使您的应用程序为机器学习提供支持，您会注意到有大量的ML模型和模型实现可能适合您的任务，当然，也可能不适合您的任务。特别是如果你对特定类型的模型没有深入的了解，那么选择适合你的项目的模型实现可能会非常困难。我已经编译了这4个步骤，当你在与数百名工程师和他们的ML项目交谈后，选择下一个机器学习模式时，你应该明白它们是ModelDepot的一部分!1.理解问题域虽然您可能正在构建热狗定

简史卷积神经网络在过去的十年里，计算机视觉领域取得的进步是前所未有的。机器现在可以识别视频中的图像或某一帧，准确率(98%)超过人类(97%)。之所以有这么大的突破，就是得益于对人脑的研究。当时，神经学家正在对猫进行实验，他们发现图像中相似的部分会导致猫大脑中相似的部分变得活跃。换句话说，当一只猫看着圆圈时，大脑中的α就被激活了。当它观察正方形时，大脑中的β区被激活。他们的发现得出结论，动物的大脑

自从PEP 255引入以来，生成器一直是Python的重要组成部分。生成器函数允许您声明一个行为类似于迭代器的函数。它们允许程序员以快速、简单和干净的方式创建迭代器。你可能会问，什么是迭代器？迭代器是一个可以迭代（循环）的对象。它用于抽象数据容器，使其行为类似于可迭代对象。您可能已经每天使用一些可迭代对象：字符串、列表和字典等等。迭代器由实现迭代器协议的类定义。该协议在类中查找两种方法：__ite

数据科学家最重要的技能之一应该是为其问题选择正确的建模技术和算法。几个月前，我试图解决文本分类问题，即对与我的客户相关的新闻文章进行分类。我只有几千个标记的例子，所以我开始使用简单的经典机器学习建模方法，如TF-IDF上的逻辑回归。这些模型通常适用于长文档（如新闻文章）的文本进行分类，在此任务上的执行效果略好于随机模型。在调查了模型的错误之后，我发现单词表述包对于这个任务是不够的，我需要一个使用对