-
常见机器学习用例TOP 7，在你身边无处不在
来源：读芯术本文约7300字，建议阅读10+分钟。七大例范围广泛，从智能手机到日常业务。想象一下——你明天要去面试一个向往已久的机器学习岗位。一切都必须按计划进行，否则就会功亏一篑。所以，你告诉智能小助手：定一个明天早上7点的闹钟在Uber上预约一个直达面试地点的快车，早上8:30来接我计算一下车费在谷歌地图上看看路上要花多长时间最后列出面试前还需要再多看几眼的资料这样的好处是什么？你不需要忙前忙
-
机器学习-特征提取
现实生活当中我们往往会根据物体具有的一些特点来区分它们，比如判别不同鸢尾花品种的时候，依据的是鸢尾花的花瓣大小。像这种对事物具有某些方面的特点进行刻画的数据或者属性，我们称为特征。在鸢尾花分类中，怎么得到可以被人工智能系统所使用的特征呢？经过尝试，人们发现花瓣的长度和宽度作为鸢尾花的特征，可以让分类器有效地分类。提取特征时，直接用尺子量即可，选用这样的特征也符合人们根据花瓣大小来区分种类的生活经验
-
编程岗位千千万，哪一类吃香？
编程岗位千千万，哪一类吃香？
-
日本RPA导入实例概况之金融业篇
UiBot东京特约观察 第9期图文丨马磊 目前日本企业RPA导入比例根据ＭＭ综合研究所的调查显示，年营业额50亿日元以上的日本企业中，约32%的企业导入了RPA系统。从企业规模来看，年营业额1000亿日元以上的企业占了39%，年营业额1000亿以下的企业占了27%，中小企业目前还在普及阶段。 从行业来看，金融业占了44%，近年来，制造业和不动产业的系统后台业务也在使用RPA。&
-
盲目崇拜数据，是因为还不曾真正了解数据
导语：这是一幅治疗数据崇拜症的良方。按：我们正处于数据驱动的人工智能浪潮中，在折服于数据的强大力量的同时，有些同学会对数据望而生畏，盲目崇拜。本文将深入浅出地介绍数据收集、统计、利用的全过程，帮助大家克服「数据崇拜症」。尽管人脑中存储的数据还有待进一步开发和探索，但不可否认，我们的感官感觉到的一切都是数据！好记性不如烂笔头，将这些数据写下来貌似会更可靠一些，特别是将它们写入电脑。如果我们将这些笔记
-
RPA助力企业破除信息孤岛，实现数据打通
为了降本增效，近来世界范围内掀起一股流程智能优化的热潮，转型升级成为众多企业时刻挂在嘴边的热词。不过在企业智能化转型的过程中，信息孤岛的出现，往往成为了企业升级的绊脚石。 信息孤岛：数字时代企业之痛信息孤岛，是广泛存在于每个企业中的一种信息隔离现象。随着企业信息化建设突飞猛进，企业管理职能精细划分，信息系统围绕不同的管理阶段和管理职能展开，如客户管理系统、生产系统、销售系统、采购系统、订
-
基于序列模型的随机采样
导语：本文回顾了一系列常用的序列模型采样方法，包括基于蒙特卡洛的随机采样和随机束搜索，以及最近提出的基于Gumbel-Top-K的随机束搜索。本文作者为李炎洋，来自东北大学自然语言处理实验室，向雷锋网(公众号：雷锋网)AI科技评论独家投稿。对于目前基于神经网络的序列模型，很重要的一个任务就是从序列模型中采样。比如解码时我们希望能产生多个不一样的结果，而传统的解码算法只能产生相似的结果。又比如训练时
-
头条：每6个中国人就有1个中招的！
“秃如一夜春风来，脱发秃顶上热搜”近日，大家的“头顶大事”，频繁成为微博热搜词，《人民日报》、《中国日报》等官方权威媒体纷纷对脱发问题进行了报道。根据《人民日报》这两天就公布了一项统计数据显示，中国的脱发人群已经达到了惊人的2.5亿！也就是说，每6个中国人里面，就有1个遭遇了脱发的困扰。如果将男同胞的谢顶面积加在一起，差不多有4725平方公里，相当于1/4个北京那么大。关于脱发，广大网友纷纷表示：
-
「机器学习」一文读懂分类算法常用评价指标
2019-09-01 14:15:01前言评价指标是针对将相同的数据，输入不同的算法模型，或者输入不同参数的同一种算法模型，而给出这个算法或者参数好坏的定量指标。在模型评估过程中，往往需要使用多种不同的指标进行评估，在诸多的评价指标中，大部分指标只能片面的反应模型的一部分性能，如果不能合理的运用评估指标，不仅不能发现模型本身的问题，而且会得出错误的结论。最近恰好在做文本分类的工作，所以把机器学习分
-
一文看懂RPA的3种部署模式
RPA产品的部署模式大致分为3种类型：开发型、本地部署型（On-premises型）、云型（SaaS型）。 开发型开发型RPA使用通用编程语言和API自动执行。API即应用程序编程接口，可以轻松完成最初需要复杂编程的进程。通过简单编程，开发型RPA即可处理复杂的任务流程。企业可根据自身环境、办公系统、业务流程等，灵活制定方案，创建流程脚本，打造专属的RPA机器人。优点：扩展可自动化的业务
-
敏捷AI | NLP技术在宜信业务中的实践【智能聊天机器人篇】
本文将介绍NLP技术在宜信应用的高级场景：智能聊天机器人。
-
无监督学习之降维
主成分分析（PCA） 主成分分析（Principal Component Anal ysis，PCA）是最常用的一种降维方法，通常用于高维数据集的探索与可视化，还可以用作数据压缩和预处理等。 PCA可以把具有相关性的高维变量合成为线性无关的低维变量，称为主成分。主成分能够尽可能保留原始数据的信息。方差：是各个样本和样本均值的差的平方和的均值，用来度量一组数据的分散程度。协方差：用于度量两个变量
-
监督学习之回归
2019-08-28 19:03:20小学课本上讲过线性回归线性回归：使用形如y=w T x+b的线性模型拟合数据输入和输出之间的映射关系的。目标：对房屋成交信息建立回归方程，并依据回归方程对房屋价格进行预测：• 房屋面积单位为平方英尺（ft 2 ）房• 屋成交价格单位为万可行性分析• 简单而直观的方式是通过数据的可视化直接观察房屋成交价格与房屋尺寸间是否存在线性关系。• 对于本实验的数据来说，散
-
Kaggle Days 来中国了，有人一起组队吗
10+ Kaggle Grandmasters100+ 资深数据科学玩家7 场 分享展示4 场 实战细节讲解1 场 线下数据竞赛1 晚 Kaggler 们的专属 Party 全球最知名的线下数据科学活动 Kaggle Days 将于 10 月 19 - 20 日首次落地中国北京。目前已经获得 6 位 Kaggle Grandmaster
-
ImageAI实现完整的流程：数据集构建、模型训练、识别预测
在前几天的博客里面，我介绍了ImageAI模块，以及基于官方预训练得到的模型进行了简单的识别分析，整体的流程都是比较简单的，今天想要基于ImageAI模块来完整地实现整个图片分类识别的流程，也就是说：这里的数据集构建和模型的训练以及结果模型的调用预测都是自己完成的。ImageAI简化了模型的搭建流程，所以整体来说还是比较简单的。按照官方的讲解我们先来构建自己本地的数据集，我这里采用的是之前kagg
-
图解 Python 浅拷贝与深拷贝
Python 中的赋值语句不会创建对象的拷贝，仅仅只是将名称绑定至一个对象。对于不可变对象，通常没什么差别，但是处理可变对象或可变对象的集合时，你可能需要创建这些对象的 “真实拷贝”，也就是在修改创建的拷贝时不改变原始的对象。本文将以图文方式介绍 Python 中复制或“克隆”对象的操作。首先介绍一下 Python 中浅拷贝与深拷贝的区别：浅拷贝：浅拷贝意味着构造一个新的集合对象，然后用原始对象中
-
千叶市借力AI-OCR与RPA改善政务服务
日本地方政府采取地方自治形式，统称为地方自治体。在自治体业务中，通常存在大量纸面业务。随着日本社会老龄化、少子化程度的不断加深，地方自治体面临着愈发严重的劳动力短缺，对RPA的需求也愈加强烈。在工作方式改革持续推进的背景下，许多地方自治体开始积极开展RPA实证实验，千叶市就是其中之一。千叶市（千叶县首府），是日本东京都市圈的重要城市，也是本州东南部重要工业港市。2019年2月1日至4月30日，千叶
-
计算机视觉（AI）的算法有哪些，具体都有哪些特点？
1. 野兽派以大力出奇迹为主。主要利用1Billion数据+512TPU+100小时以上的训练方式得到5%以内的accuracy提升。代表作有各大厂XXXNet2. 印象主义派讲求得其main idea即可。主要利用MNIST、CIFAR等各种toy data+简化假设+数学公式组合画符来得到声称可generalize至大规模数据集上的效果。代表作有各实验室XXXnet，常见于icml nips
-
30年，Python正在吞食世界
这篇长文详细写了Python从诞生到流行的故事，专访了Python发明人Guido van Rossum以及相关的一些人，展示了Python是如何成为最受欢迎的编程语言的。谁能想到，30年后，一条蟒蛇因为人工智能而席卷了全世界！这一切，都源于1989年的那个圣诞节。一个名叫Guido van Rossum程序员在荷兰的阿姆斯特丹呆着，无所事事的圣诞假期有点无聊。为了打发时间，他开发了一个新的脚本解
-
图解 Python 浅拷贝与深拷贝
Python 中的赋值语句不会创建对象的拷贝，仅仅只是将名称绑定至一个对象。对于不可变对象，通常没什么差别，但是处理可变对象或可变对象的集合时，你可能需要创建这些对象的 “真实拷贝”，也就是在修改创建的拷贝时不改变原始的对象。本文将以图文方式介绍 Python 中复制或“克隆”对象的操作。首先介绍一下 Python 中浅拷贝与深拷贝的区别：浅拷贝：浅拷贝意味着构造一个新的集合对象，然后用原始对象中
