Category: Artificial Intelligence AI

[转]AI、机器学习和大数据领域覆盖最全的一份速查表 0

[转]AI、机器学习和大数据领域覆盖最全的一份速查表

本文是根据 Stefan Kojouharov 发表在 Medium 上的文章整理而成的一份人工智能、神经网络、机器学习、深度学习和大数据方面的速查表。为了便于查找与使用,本文对每个主题进行了分类,希望可以对各位的工作有所帮助。 注意!这可能是相关领域最全的的一份速查表,文末还列出了各种算法的复杂度统计。 Please follow and like us:0

0

[转]一文简单理解“推荐系统”原理及架构

本文主要介绍什么是推荐系统,为什么需要推荐系统,如何实现推荐系统的方案,包括实现推荐系统的一些常见模型,希望给读者提供学习实践参考。 为什么需要推荐系统 对于信息消费者,需要从大量信息中找到自己感兴趣的信息,而在信息过载时代,用户难以从大量信息中获取自己感兴趣、或者对自己有价值的信息。 Please follow and like us:0

[汇总]AI资源 0

[汇总]AI资源

一文看懂如何将深度学习应用于视频动作识别 在本文中,作者会总结视频动作识别相关的文献,依次介绍动作识别是什么、它为什么这么难、解决方案概览以及相关论文总结。 Python OpenCV 破解验证码 如何用 OpenCV、Python 和深度学习实现面部识别? 使用Tensorflow从视频中揪出皮卡丘 手把手教你用Python实现实时“人脸检测” 从开发框架到后端AI服务,一篇文章全面分析现有聊天机器人API 对话式交互技术原理及流程揭秘 我的数据科学家工作初体验 汉字书法识别入门 手把手教你在小数据集下使用Keras进行图像分类 使用scikit-learn进行机器学习   我从过去八个月的AI公司面试中学到了什么? Please follow and like us:0

[转]谷歌前员工因建言YouTube被炒鱿鱼,开源揭秘其算法 0

[转]谷歌前员工因建言YouTube被炒鱿鱼,开源揭秘其算法

    [resource]谷歌前员工因建言YouTube被炒鱿鱼,开源揭秘其算法 Please follow and like us:0

[转]微博推荐系统架构揭秘:基于机器学习的个性化Push应用实践 0

[转]微博推荐系统架构揭秘:基于机器学习的个性化Push应用实践

    [resource]微博推荐系统架构揭秘:基于机器学习的个性化Push应用实践 Please follow and like us:0

[转]千万小时机器学习训练后,我从趟过的坑中学习到的 16 个技巧 0

[转]千万小时机器学习训练后,我从趟过的坑中学习到的 16 个技巧

在经历成千上万个小时机器学习训练时间后,计算机并不是唯一学到很多东西的角色,作为开发者和训练者的我们也犯了很多错误,修复了许多错误,从而积累了很多经验。 在本文中,作者基于自己的经验(主要基于 TensorFlow)提出了一些训练神经网络的建议,还结合了案例,可以说是过来人的实践技巧了。 Please follow and like us:0

0

[转]如何用Intel Analytics Zoo/BigDL为已有客服平台添加AI功能?

背   景 在如今商业高度发达的社会,客户支持服务平台已被广泛使用在售前和售后为客户提供技术或业务支持,例如银行的电话客服,淘宝京东等电商的在线客服等等。传统的客户支持服务平台仅仅是一个简单的沟通工具,实际的服务和问题解答都是靠大量的人工客服和客户直接交互。后来随着机器智能和自动化技术的提升,越来越多的商家开始为客服系统添加智能模块,节省人力,提升顾客的交互体验。 Please follow and like us:0

0

[转]你不可不知的10个深度学习方法

过去十年来,人们对机器学习的兴趣经历了爆炸式的增长。你几乎每天都能在计算机科学程序、行业会议和《华尔街日报》(Wall Street Journal)上看到机器学习的影子。在所有关于机器学习的讨论中,许多人都将机器学习能够做什么,与他们希望机器学习能够做什么混为一谈了。从根本上来说,机器学习就是使用算法从原始数据中提取信息,并在某种类型的模型中表示出来。我们使用这个模型来推断我们尚未建模的其他数据。 Please follow and like us:0

0

[转]如何根据流行度搭建推荐模型

最简单的流行度估计 什么是基于流行度(Popularity-based)?通俗地说,就是什么内容吸引用户,就给用户推荐什么内容。 这里面其实有一个隐含的假设,那就是物品本身的质量好坏和流行度有一定的正比关系。什么意思呢?就是说好的东西,自然关注的人就会多,自然就会有更多的谈论。当然,这是一个主观的假设,并不是所有质量高的物品都会有很高的流行度。然而,在不需要过多其他信息和假设的情况下,流行度可以算是衡量物品质量好坏的一个最简单的测度。 那么,如果我们能够在每一个时间点上准确地估计到一个物品的流行度,就只需要按照流行度的数值从高到低排序显示所有的物品就可以了。 然而,这里牵涉到一个问题,那就是如何判断一个物品在任何时间点上的流行度呢?有两个重要的因素影响着物品流行度的估计,那就是 时间和位置。 Please follow and like us:0