-
编辑 删除
在xpath中text()和string(.)的区别
我们在进行爬虫时候，经常会遇到如下这样的页面：你好,北京在日常抓取的时候，遇到更多的情况是抓取中的你好，这时使用xpath("//div/em/text()")就可以提取到。现在我们考虑下面两种抓取需
-
编辑 删除
Python排序算法之 选择排序
一、选择排序(Selectionsort)选择排序(Selectionsort)是一种简单直观的排序算法。它的工作原理是每一次从待排序的数据元素中选出最小(或最大)的一个元素，存放在序列的起始位置，所
-
编辑 删除
计算机视觉挑战竞赛获奖者详解——相机模型识别
大约一年前kaggle.com举办了一场计算机视觉挑战赛——相机模型识别（https://www.kaggle.com/c/sp-society-camera-model-identification
-
编辑 删除
你的算法不工作？
在跳转到代码进行调试之前，请执行以下几个步骤。让我们想象一下，这是一个美好的下午，你已经为你的模型写了一个更好的算法，你希望它会带给你正确的结果。此时，如果您在预测中发现了一些非常错误的信息，那么您就
-
编辑 删除
Scala 多继承 & 依赖注入
依赖注入：traitConfig{loadvaltext:Stringdefload:Unit}traitInMemoryConfigextendsConfig{lazyvaltext="Hello"
-
编辑 删除
恶意软件令你困扰？卷积神经网络为你保驾护航
作者：SugandhaLahoti在这篇文章中，我们将了解人工网络架构以及如何使用其中之一（卷积神经网络）来帮助恶意软件分析师和信息安全专业人员检测和分类恶意代码。恶意软件是每个现代组织/公司的噩梦。
-
编辑 删除
使用案例：AI和KYC行业
全球的大多数科技公司已经开始将人工智能（AI）集成到他们的产品中，以加快处理速度并大幅减少手工工作。无论是来自Google的搜索引擎结果还是来自Apple的Siri，AI都被多个行业完美地利用，以简化
-
编辑 删除
对机器学习感兴趣不知道从哪入手？这5本免费电子书清单get！
小编近日精心策划的5本免费电子书清单，可以帮助您更好地了解机器学习的各个方面，以及在该领域的职业生涯所需的技能。对机器学习的职业感兴趣却又不知道从哪里开始？好吧，本文有一系列关于在Python生态系统
-
编辑 删除
你要去参加人工智能面试，先看下这篇总结
在过去的8个月里，我一直在各种公司进行面试，如Wadhwani人工智能研究所，Google的DeepMind，微软，Ola，FractalAnalytics以及其他一些主要为数据科学家、软件工程师和研
-
编辑 删除
机器学习中需要学习的一些小技巧
作者：GeorgeSeif如今，很多人都在学习机器学习（ML）。对于许多企业来说，这绝对是一个很好的发展趋势，因为机器学习能够以相当快速和简单的方式提供巨大的价值。因此，企业对机器学习技能的需求处于历
-
编辑 删除
梯度提升二三事：怎么来自定义损失函数？
作者：PrinceGrover和SouravDey介绍梯度提升技术在工业中得到了广泛的应用，并赢得了许多Kaggle比赛。（https://github.com/Microsoft/LightGBM/
-
编辑 删除
这几年人工智能领域有哪些重大突破？本文告诉你
作者——JerryChi与其他领域相比，机器学习和人工智能领域的变化可以说是翻天覆地的。这些变化有时会让你发出赞叹声，甚至是对活在当下感到自豪。正如《两分钟（读懂）论文》的创作者说的那样。备注：机器学
-
编辑 删除
训练Keras模型费时间？想要加速20倍，免费的TPU就能做到！
本文将介绍如何使用Keras和GoogleCoLaboratory与TPU一起训练LSTM模型，与本地计算机上的GPU相比，这样训练能大大缩短训练时间。很长一段时间以来，我都在单张GTX1070显卡上
-
编辑 删除
小案例讲解：TensorFlow在模拟偏微分方程中的应用！
什么是PDE（偏微分方程）？此TensorFlow教程适用于已经了解偏微分方程的人员。但如果您不熟悉该主题，也不要担心。这是一个很棒的PDE教程，您可以通过该教程了解有关PDE的更多信息。正如您在之前
-
编辑 删除
如何使用Python+遗传算法玩转人工神经网络？
在之前的教程"使用NumPy和Fruits360图像数据集分类的人工神经网络"中（https://www.linkedin.com/pulse/artificial-neural-network-im
-
编辑 删除
实践小栈：从头开始强化学习
第一部分：定义环境，通过价值迭代寻找最优政策并引入Q学习摘要在本文中，我将介绍一个新项目，该项目试图通过在Python笔记本中完全定义和解决一个简单任务来帮助学习强化学习。本文将解释环境和基本方法，所
-
编辑 删除
实战演练：基于Surprise建立、测试推荐系统
在Python和SurpriseLibrary，CollaborativeFiltering的帮助下学习如何构建自己的推荐引擎推荐系统是数据科学中最常用和易于理解的应用之一。由于互联网的快速发展和信息
-
编辑 删除
使用元学习和推理改善您的模型！
这是一篇发表在NeurIPS2018元学习研讨会上的论文。动机提出一种新的科学理论通常有两种方法：从基本原理出发，推导出后续法则，并提出实验预测以验证理论从实验开始，推断出最简单的法则来解释数据统计学
-
编辑 删除
想从事数据科学，你需要掌握这个关键技能！
知道如何应用不同的Python或R算法非常简单：我们所有人都知道只需修改一行或两行代码，就可以从线性回归变为神经网络。或者是SVM，或者您喜欢的任何其他花式模型。定义超参数也不是那么困难：只需创建一个
-
编辑 删除
关于学习数据科学的三大误区，你有遇到过吗？
你好!又是我。今天，想为数据科学的内容以及如何不学习它提供一些指导。让我们从最基础的开始。什么是数据科学？数据科学不仅要懂一些编程语言、数学、统计，还需要拥有"领域知识"。首先，我们创建了一个新的领域
