更新于:06-21 18:04

有关[学习]标签推荐

自然语言处理第一番之文本分类器

于06-18 06:05 - burness - 机器学习 NLP 深度学习 machine learning tensorflow
文本分类应该是自然语言处理中最普遍的一个应用,例如文章自动分类、邮件自动分类、垃圾邮件识别、用户情感分类等等,在生活中有很多例子,这篇文章主要从传统和深度学习两块来解释下我们如何做一个文本分类器. 传统的文本方法的主要流程是人工设计一些特征,从原始文档中提取特征,然后指定分类器如LR、SVM,训练模型对文章进行分类,比较经典的特征提取方法如频次法、tf-idf、互信息方法、N-Gram.

jmeter的两种参数化方法

于04-08 01:47 - - Jmeter源码学习
JMeter也有像LR中的参数化,本篇就来介绍下JMeter的参数化如何去实现. 参数化:录制脚本中有登录操作,需要输入用户名和密码,假如系统不允许相同的用户名和密码同时登录,或者想更好的模拟多个用户来登录系统. 这个时候就需要对用户名和密码进行参数化,使每个虚拟用户都使用不同的用户名和密码进行访问.

机器和深度的最佳框架大比拼

于02-09 06:35 - 伯小乐 - 工具与资源 机器学习 深度学习
在过去的一年里,咱们讨论了六个开源机器学习和/或深度学习框架:Caffe,Microsoft Cognitive Toolkit(又名CNTK 2),MXNet,Scikit-learn,Spark MLlib和TensorFlow. 如果把网撒得大些,可能还会覆盖其他几个流行的框架,包括Theano(一个10年之久的Python深度学习和机器学习框架),Keras(一个Theano和TensorFlow深度学习的前端),DeepLearning4j(Java和Scala在Hadoop和Spark之上的深度学习软件).

基于KNN的文本分类实战

于04-03 02:39 - - 机器学习
本文讲述如何使用scikit-learn的KNN工具对文本进行分类. K-近邻算法,简称KNN(k-Nearest Neighbor),是一个相当简单的分类/预测算法. 其主要思想就是,选取与待分类/预测数据的最相似的K个训练数据,通过对这K个数据的结果或者分类标号取平均、取众数等方法得到待分类/预测数据的结果或者分类标号.

用神经网络“训练”谷歌翻译,机器翻译实现颠覆性突破

于09-28 10:18 - 机器之心 - 人工智能 谷歌 机器学习
钛媒体注:昨日,谷歌在 ArXiv.org 上发表论文《Google`s Neural Machine Translation System: Bridging the Gap between Human and Machine Translation》介绍谷歌的神经机器翻译系统(GNMT),当日钛媒体作者机器之心就对该论文进行了摘要翻译并推荐到网站(www.jiqizhixin.com)上.

人工智能是如何在 Google 崛起的?

于06-28 08:28 - 曾舒婷 - 硅谷 Google 人工智能 机器学习
前不久,Google 的 CEO 桑达尔·皮查伊在接受 Forbes 专访时,非常明确地指出了:Google 将在一切服务和设备中,或早或晚地采用人工智能技术. BackChannel 的一篇 来自 Steven Levy 的文章描述了 Google 从培训、雇佣、管理、技术等各个方面的措施和转变,并且介绍了机器学习在 Google 崛起的历史、克服的阻力、以及势不可挡的未来.

如何突破障碍成就专家级的人才

于03-10 16:24 - 左岸 - 思维乐趣 学习 思考 技巧 能力
互联网时代,即使是非常渺小的个体,你也有可能通过单点突破,成就为自己擅长领域的专家. 至于我们经历耳濡目染的通才教育,也在这个日新月异的互联网时代而被摒弃. 互联网就是一个展示自我的平台,在这个平台,你不再被时代限制,不再被环境淹没,你只要习得拥有超越常人的技能,你就可以在你的领域发声. 学习与成长从来就不是一蹴而就.

十大特征暗示你异常聪明

于02-11 12:21 - zxfclz - 励志 学习 成长 技巧
我们通常通过一个人的外貌、社会地位来判断一个人,这种判断还包含着我们自己的认为倾向. 如果一个人打着领结,戴着厚厚的眼镜,穿着短裤,那他多半是一个软件奇才或者象棋大师,更或者是九宫格游戏高手. 无论他是干什么的,我们都自然而然的觉得这样打扮的人更聪明. 然而,除了上面提到的老一套认知观念,还有很多聪明的人,他们有着与我们所认为的完全不同的兴趣爱好.

115本值得一读再读的书,值得收藏!

于02-09 12:10 - zxfclz - 趣事 学习 资料 阅读
你在阅读上花的每一秒,都会沉淀成更好的你. 12类,115本值得一读再读的好书. 20年来迪士尼动画和对手们的成绩对比. 经典台词:我的爱,不会让我成为永远的孤魂. 十分钟读完春秋史:假如中原是一个村.

中文文本处理简要介绍

于01-06 19:50 - COS编辑部 - 数据分析 数据挖掘与机器学习 统计软件 软件应用 NLP
本文作者李绳,博客地址 http://acepor.github.io/. 一位文科生曾励志成为语言学家. 出国后阴差阳错成了博士候选人. 三年后交完论文对学术彻底失望. 回国后误打误撞成了数据科学家. 作为一个处理自然语言数据的团队,我们在日常工作中要用到不同的工具来预处理中文文本,比如 Jieba 和 Stanford NLP software.

如何做用户教育?

于10-15 12:29 - Kant - 学习笔记 所有文章 产品设计 用户教育
做产品设计的这几年,之前一直以为,用户教育,培养用户认知,只能通过产品设计. 1,用已有的经验,认知去击中. 关于用户教育,我最多,也是最初的思考就是利用用户的已有经验. 对于此前已有类似产品的时候,抄袭是一个简单有效(但面上无光)的做法,而对于一个从未出现过的产品,就需利用用户的线下经验(还有潜意识)我有一篇几年前的文章说的就是这点(http://kant.cc/post467.html,突然觉得这篇文章有些价值,明天把它也发出来).

关于Uber机制的思考

于09-19 16:08 - Kant - 学习笔记 所有文章 Uber 产品设计
昨天写了一篇关于滴滴打车改版的文章(文章链接),引发了一些关于Uber和滴滴的对比讨论. 质疑明显歪了楼,大家主要讨论的是,Uber忽略目的地的问题和它的派单机制,而我在昨天文章中说的是Uber的首页设计的一些问题,具体来说,是它的出发地和开始用车的按钮不在一起的问题,以及出发地带搜索icon带来误解的问题.

海外优秀资源清单,建议中高级人才收藏

于08-03 10:07 - 天地会珠海分舵 - 产品经理 产品经理成长 学习清单
随着网络的快速发展,我们现在获取知识的资源可谓琳琅满目,但是优质的资源却往往又难以筛选. 所以下面作者整理出了33个优质的资源,如果你能持续阅读或者学习的话,相信你很快就会有质的飞跃. 当然,你也可以根据你感兴趣的方向挑选其中几个进行关注,所谓弱水三千只取一瓢,相信业足够让你脱胎换骨了. 简介:这里满满都是有证有据的干货,每天你都能通过里面的文章透过现象看到事物的本质,让你每天都会比昨天的你变得更聪明.

手机App仍不会取代浏览器

于04-20 04:27 - Kant - 学习笔记 所有文章 APP 浏览器
我这几年一直在思考“手机App会不会完全取代手机浏览器,后者是否会逐渐消亡”,观点也几度变化,在当前时间点(2015年4月),我的观点是, 移动端浏览器在暂时H5的体验仍旧无法达到原生效果的此时,固然在重度、用户重感知的需求上会让步于App,但在可以预见的未来来看,仍旧始终会是一个大型入口,不会被完全取代.

PARACEL:让分布式机器变得简单

于03-30 08:57 - 豆瓣 - 技术和产品 产品与技术 算法 机器学习
在豆瓣,我们常通过机器学习的方式从各种数据中训练出模型,利用这些模型帮助我们理解用户并为大家挖掘出有价值的内容:豆瓣FM的个性化歌曲推荐、书影音的喜欢也喜欢、首页的豆瓣猜等等. 早期的时候,单机训练的程序基本就能满足需求. 一方面数据量不大,另一方面有的模型算一次可以用很长时间,对性能要求就没有那么高.

BAT这类大公司的稳定工作与创业公司之间,如何选择?

于03-07 09:59 - Kant - 学习笔记 所有文章 产品经理 创业 职业
很久没有静下心考虑一个话题了,小飞机邀请,我整体考虑一下. 恰好这个问题也是我经常被朋友问到的,特别是作为产品经理,许多入门者或者想要入门的学生朋友,对于BAT这类大公司和创业公司之间的选择,是觉得非常头痛的. 实际上这种焦虑思考是值得的,因为对于产品经理这类软性工作来说,初期选择很大程度上决定未来成长速度甚至潜力天花板,技术岗位(程序员、设计师)就不太一样,就哪儿做都没事,出来继续有一技傍身.

谷歌推荐的大生技术指南

于02-28 13:28 - 江小湖Laker - 学习
看到一篇对大学生学习技术很有帮助的指南,翻译一下,供大家参考:. 有一个扎实的计算机科学的基础,是成为成功的软件工程师的重要条件. 这是一个引导大学生自学技术和非技术技能的建议. 你可以通过这个指南决定选修的课程,但是请确保这个课程符合你专业要求,以保证顺利毕业. 本指南提供的网上资源并不是要取代大学提供的课程.

怎样快速成为某个领域的“专家”?

于02-25 09:35 - nancy - 职场攻略 学习
Nancy导读:不浪费时间,就是节省了时间.   曾经的媒体从业经历给了我两项终身受用的技能:社交和快速学习. 前一项技能,我已经总结成文《“人脉投资”的10条建议》. 后一项技能,今天这篇文章来总结一下.   在我的范畴里,学习可被分为两类,一类是“学以致用”,一类是“君子不器”. 至于中小学应试教育、托福、GRE这类学习,不在我们今天谈论的范畴之内.

世界上最伟大的四大教育原则

于01-16 11:54 - zxfclz - 教育 学习
养在鱼缸中的热带金鱼,三寸来长,不管养多长时间,始终不见金鱼生长. 然而将这种金鱼放到水池中,两个月的时间,原本三寸的金鱼可以长到一尺. 对孩子的教育也是一样,孩子的成长需要自由的空间. 而父母的保护就像鱼缸一样,孩子在父母的鱼缸中永远难以长成大鱼. 要想孩子健康强壮的成长,一定要给孩子自由活动的空间,而不让他们拘泥于一个小小的父母提供的“鱼缸”.

传说中的新版Google翻译到底有多厉害?

于01-14 00:50 - 光谱 - 酷玩 Google Google翻译 NLP 机器学习
上周末, 纽约时报的一篇有关于语言翻译技术进步的报道,让许多人为科技发展的速度之快所震撼:该报道指出, Google多年没有过大变化的翻译(Google Translate)服务,即将迎来一次大功能更新,将可以聆听并识别用户所讲的语言,然后几乎实时地将语音翻译为目标语言的文字. 这个功能听上去十分强大,看起来Google的自然语言处理技术已经发展的足够好,估计可以让不少翻译和同声传译员工丢掉工作了.

人不成熟的四大特征

于01-05 11:37 - zxfclz - 学习 心理 成熟
人成熟与不成熟跟年龄没有关系,人成熟不成熟,就是你能不能站在对方的角度去看待事物,就是能不能把我的世界变成你的世界. 这个社会有很多的成年人,还没有脱离幼稚的行为,一点儿小事情就跟别人争来争去. 以下是不成熟的四种特征,想要变得成熟就要一步步克服这个四种特征. 只有春天播种,秋天才会收获. 很多人在做任何事情的时候,刚刚付出一点点,马上就要得到回报.

机器领域的几种主要方式

于12-24 14:42 - smallroof - Deep Learning 机器学习
根据数据类型的不同,对一个问题的建模有不同的方式. 在机器学习或者人工智能领域,人们首先会考虑算法的学习方式. 在机器学习领域,有几种主要 的学习方式. 将算法按照学习方式分类是一个不错的想法,这样可以让人们在建模和算法选择的时候考虑能根据输入数据来选择最合适的算法来获得最好的结果. 在监督式学习下,输入数据被称为“训练数据”,每组训练数据有一个明确的标识或结果,如对防垃圾邮件系统中“垃圾邮件”“非垃圾邮件”,对手写 数字识别中的“1“,”2“,”3“,”4“等.

英语是玩出来的

于12-11 12:36 - zxfclz - 学习 英语
来自:南桥的博客—— 英语是玩出来的. 我有一个外甥女向我请教如何学好外语. 类似的问题常有人问起,所以也促使我反思,到底外语怎么学. 其实这个问题并不好回答,回答的时候我们只能零星给点各自的感悟. 可是这个问题又是一直要去思考的. 中国人在学外语上花的时间比哪个国家都多,可是成效和投入不成比例.

Android Design的根本问题到底是什么?

于12-09 13:57 - Kant - 学习笔记 所有文章 Android 产品设计
注1:笔者从Android1.5用到Android5.0,一直很喜欢开放的特质,但很愤恨Google早期的设计资源投入和思考得太少. 注2:Android Design中有一些非常傻的细节点(iOS/WinPhone早期也有),简直让人失去对它的讨论兴趣,但现在改得差不多了,这里就略过不谈,主要针对现今的Android Design来说.

如何快速入门一个陌生知识领域

于10-24 15:09 - 左岸 - 创造之路 创造 学习 工作
今天,特别推荐 Heidixie的这篇文章, 她的空间有非常多的干货,值得有兴趣的人从第一篇开始一篇一篇地去阅读、去理解、去实践. 一. 人生就是不断学习和探索的过程. 前几天看到一篇文章—— 《做一件事如何突破「擅长」达到「精通」》( 这儿还有一篇),我却想到写这篇如何快速入门一个全新的陌生的知识领域的经验文章.

行人检测

于08-27 23:26 - smallroof - 机器学习 行人检测 计算机视觉
最近一直在看行人检测的论文,对目前的行人检测做大概的介绍. 行人检测具有极其广泛的应用:智能辅助驾驶,智能监控,行人分析以及智能机器人等领域. 从2005年以来行人检测进入了一个快速的发展阶段,但是也存在很多问题还有待解决,个人觉得主要还是在性能和速度方面还不能达到一个权衡. 1.行人检测的现状(大概可以分为两类).

前景目标检测1(总结)

于08-27 23:27 - smallroof - 机器学习 前景检测 目标检测 计算机视觉
主要可以分为:背景建模,帧差法,光流法. 1: Single Gaussian(单高斯模型). 2:Mixture of Gaussian model(混合高斯模型). 基于混合高斯模型的自适应背景差分算法,类似于帧间差分法,使用混合高斯分布模型来表征图像帧中每一个像素点的特征,当获取新的图像帧时,适时更新混合高斯分布模型,某一时刻选取混合高斯模型中的一个子集表征当前背景,如果当前图像帧的某个像素点与混合高斯模型的背景子集匹配,则判定为背景,否则判定为前景点.

机器之路

于07-28 12:34 - smallroof - 机器学习
自从答应简二毛博士将自己的机器学习历程和心得分享给大家至今,转眼间半年已经过去了,感谢简博士分享和开源精神的鼓舞,这也正是本系列关于机器学习介绍博客的动力来源. 之前有些网友,师弟们问我,学习机器学习怎么入手,从看什么书开始. 如果你只愿意看一本书,那么推荐Bishop的PRML,全名Pattern Recognition and Machine Learning. 这本书是机器学习的圣经之作,尤其对于贝叶斯方法,介绍非常完善.

机器五步走

于07-24 05:13 - smallroof - 机器学习
经常会有人问“我该如何在机器学习方面更进一步,我不知道我接下来要学什么了. 一般我都会给出继续钻研教科书的答案. 每当这时候我都会收到一种大惑不解的表情. 但是进步确实就是持续的练习,保持较强的求知欲,并尽你可能的完成具有挑战性的工作. 因为他是为数不多的几种可以让你真真让你获取坚实知识的媒介. 是的,你可以选择选一门课,注册MOOC,参加一些讨论班.

国外程序员整理的机器资源大全

于07-22 14:08 - smallroof - 机器学习
  本列表选编了一些机器学习领域牛B的框架、库以及软件(按编程语言排序). CCV —基于C语言/提供缓存/核心的机器视觉库,新颖的机器视觉库. OpenCV—它提供C++, C, Python, Java 以及 MATLAB接口,并支持Windows, Linux, Android and Mac OS操作系统.