更新于:02-02 23:13

有关[学习]标签推荐

做 ML 有关的工作,需要哪些技能?

于01-30 23:08 - Agatha - IT技术 机器学习
【导读】:有位网友在 Quora 上提问:做与机器学习有关的工作,需要些什么技能呢. 我是一个自学者,现在家中自学线性代数. 希望有天能在机器学习领域工作,但是我不太确定:. a) 这种工作/面试需要什么技术上的技能. b) 有没有什么(做这种工作)必须的相关工作经历. 比起空想,我至少开始行动了.

构建基于Spark的推荐引擎(Python)

于12-19 18:29 - NULL - 机器学习 大数据 python spark
构建基于Spark的推荐引擎(Python). 推荐引擎背后的想法是预测人们可能喜好的物品并通过探寻物品之间的联系来辅助这个过程. 在学习Spark机器学习这本书时,书上用scala完成,自己不熟悉遂用pyshark完成,更深入的理解了spark对协同过滤的实现. 在这里我们的推荐模型选用协同过滤这种类型,使用Spark的MLlib中推荐模型库中基于矩阵分解(matrix factorization)的实现.

Java使用google的thumbnailator工具对图片压缩水印等做处理

于11-07 16:37 - - Oracle学习总结
今天给大家分享一个非常好用的工具thumbnailator. Thumbnailator是一个非常好的图片开源工具. net.coobird thumbnailator 0.4.8 .

一个完整推荐系统的设计实现-以百度关键词搜索推荐为例

于09-17 22:42 - admin - 产品 推荐系统 搜索引擎 数据挖掘 机器学习
在之前一篇博文中, 有同学在评论中问了个问题: 如何解决因式分解带来的推荐冷门,热门关键词的问题. 在回答这个问题的时候, 想到了近几年在做搜索推荐系统的过程中, 学术界和工业界的一些区别. 正好最近正在做技术规划, 于是写偏文章说下工业界完整推荐系统的设计. 结论是: 没有某种算法能够完全解决问题, 多重算法+交互设计, 才能解决特定场景的需求.

用神经网络训练一个文本分类器

于08-10 21:05 - Anne90 - IT技术 机器学习
理解聊天机器人的工作原理是非常重要的. 聊天机器人内部一个非常重要的组件就是文本分类器. 我们看一下文本分类器的神经网络(ANN)的内部工作原理. 我们将会使用2层网络(1个隐层)和一个“词包”的方法来组织我们的训练数据. 文本分类有3个特点:模式匹配、算法、神经网络. 虽然使用多项朴素贝叶斯算法的方法非常有效,但是它有3个致命的缺陷:.

人工智能复杂的商业需求,正促使博弈 AI 的崛起 | AI大师圆桌会

于07-29 10:20 - 吴宁川 - 钛媒体·国际AI大师圆桌会 人工智能 头条 机器学习
卡耐基梅隆大学计算机系教授、德扑AI之父 Tuomas Sandholm. “人工智能时代,针对机器的算法是机器学习,针对人类的算法是博弈论. ”这是清华大学交叉信息研究院青年千人助理教授、博士生导师、计算经济学研究室主任唐平中,在2017年7月20日钛媒体与杉数科技联合举办的 “AI大师圆桌会之AI时代的博弈与行为分析”活动上提出的观点.

深度学习二三事

于11-30 08:00 - 饭团君 - 专栏 深度学习
我知道博客标题中使用否定词很奇怪,但是前几天有一波讨论正好相应于我正在思考的一些问题. 这一切开始于 Jeff Leek 发表的 一篇有关说明在小样本范围内使用深度学习的文章. 要言之,他认为当样本较小时(生物领域中属于常见现象),带有少许参数的线性模型甚至比带有少量层和隐藏单元的深度网络性能更优.

docker挂载本地目录,实现文件共享

于07-18 16:57 - - Docker学习
Docker可以支持把一个宿主机上的目录挂载到镜像里. 通过-v参数,冒号前为宿主机目录,必须为绝对路径,冒号后为镜像内挂载的路径. 现在镜像内就可以共享宿主机里的文件了. 默认挂载的路径权限为读写. 数据卷:“其实就是一个正常的容器,专门用来提供数据卷供其它容器挂载的”. 感觉像是由一个容器定义的一个数据挂载信息.

深度学习利器:TensorFlow实战

于07-17 17:03 - - 机器学习
深度学习及TensorFlow简介. 深度学习目前已经被应用到图像识别,语音识别,自然语言处理,机器翻译等场景并取得了很好的行业应用效果. 至今已有数种深度学习框架,如TensorFlow、Caffe、Theano、Torch、MXNet,这些框架都能够支持深度神经网络、卷积神经网络、深度信念网络和递归神经网络等模型.

从零开始使用TensorFlow建立简单的逻辑回归模型

于06-27 21:23 - dyzdyz010 - tensorflow python 机器学习
TensorFlow 是一个基于 python 的机器学习框架. 在 Coursera 上学习了逻辑回归的课程内容后,想把在 MATLAB 中实现了的内容用 TensorFlow 重新实现一遍,当做学习 Python 和框架的敲门砖. 知道逻辑回归是什么,懂一点 Python,听说过 TensorFlow.

自然语言处理第一番之文本分类器

于06-18 14:05 - 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.

机器学习和深度学习的最佳框架大比拼

于02-09 14:35 - 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).

jmeter的两种参数化方法

于04-08 09:47 - - 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.

基于KNN的文本分类实战

于04-03 10:39 - - 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.

关于Uber机制的思考

于09-20 00:08 - 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.

十大特征暗示你异常聪明

于02-11 20:21 - 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 20:10 - 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.

如何突破学习障碍成就专家级的人才

于03-11 00:24 - 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.

人工智能是如何在 Google 崛起的?

于06-28 16:28 - 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.

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 18:18 - 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.

如何做用户教育?

于10-15 20:29 - 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).

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 17:59 - 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.

谷歌推荐的大学生技术学习指南

于02-28 21:28 - 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.

中文文本处理简要介绍

于01-07 03:50 - 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.

传说中的新版Google翻译到底有多厉害?

于01-14 08:50 - 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 19:37 - 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.

世界上最伟大的四大教育原则

于01-16 19:54 - 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”.

怎样快速成为某个领域的“专家”?

于02-25 17:35 - 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.

手机App仍不会取代浏览器

于04-20 12:27 - 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:让分布式机器学习变得简单

于03-30 16:57 - 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.