更新于:04-06 09:44

有关[学习]分类推荐

在 Kubernetes 上部署一个深度学习模型

于09-01 23:34 - [email protected] (linux) -
了解如何使用 Kubermatic Kubernetes 平台来部署、扩展与管理图像识别预测的深度学习模型. 随着企业增加了对人工智能(AI)、机器学习(ML)与深度学习(DL)的使用,出现了一个关键问题:如何将机器学习的开发进行规模化与产业化. 这些讨论经常聚焦于机器学习模型本身;然而,模型仅仅只是完整解决方案的其中一环.

国家队出品的学习网站,还免费!_软件应用_什么值得买

于08-17 12:51 - -
国家中小学网络云平台是当时为了疫情期间停课不停学设计的,界面清晰无广告,课程涵盖了从小学一直到到高三. 授课教师都是来自全国各地的优秀教师,比起辅导机构的老师更正规,更有经验. 果然国家出品才是真正的良心出品,就这样精华级别的课程,竟然完全不收任何费用. 国家基础教育资源网的界面也是非常简洁明了. 这里有从小学到高中的各种资源,包括公开课、课件、教案等,而且都根据教材分门别类了,不管你们学校用的是人教版还是北师大版,都能找到相应的学习资源.

学生党最应该知道的资源---技能/软件/编程/英语/二外/计算机二级/其他学习/论文下载/电子书/PPT模板_哔哩哔哩_bilibili

于07-25 23:13 - -
1、技能学习平台:哔哩哔哩、中国大学慕课、coursera、edX. 2、软件操作:up主:oeasy、doyoudo、星月兮、Genji是真想教会你、旁门左道PPT、Excel自学成才、我是于干,+实战演练. 3、编程:基础:菜鸟教程、进阶:CSDN、Github、stackoverflow、leetcode.

学霸是不是从小学一年级开始,就一直学习很好?依靠天赋还是后天努力呢?

于07-18 14:41 - rq cen -
至少我和身边清华的同学以及隔壁的北大同学都说自己小学时非常普普通通,初中就算优秀也是不那么出众的优秀,大都是从高中开始才莫名其妙地出类拔萃. 对于常见的所谓的学霸,比如通过高考考进北清复交的那些,所谓的“天赋”也是靠后天培养和积累起来的. 小学一年级只是开始,正处于培养学习习惯和态度的时期,可塑性还很强.

Kubernetes学习笔记之kube-proxy service实现原理 – 运维派

于06-22 07:26 - -
我们生产k8s对外暴露服务有多种方式,其中一种使用. external-ips clusterip service ClusterIP Service方式对外暴露服务,kube-proxy使用iptables mode. 这样external ips可以指定固定几台worker节点的IP地址(worker节点服务已经被驱逐,作为流量转发节点不作为计算节点),并作为lvs vip下的rs来负载均衡.

为什么机器学习难以理解因果性

于04-06 23:50 - -
人类很容易通过直觉就知道简单动作序列之间的因果性,但对于机器算法而言, 因果性仍然是一大挑战. 机器学习,尤其是深度神经网络,擅长于从海量数据中识别微妙的模式,但它们很难像人类那样做出因果推断. 这是机器学习难以推广到更广泛领域的一个原因. Max Planck Institute for Intelligent Systems、Montreal Institute for Learning Algorithms (Mila) 和 Google Research 的研究人员最近在预印本网站发表 论文探讨了这一问题.

深度学习在推荐系统中的应用

于12-29 14:19 - -
2016年DeepMind开发的AlphaGo在围棋对决中战胜了韩国九段选手李世石,一时成为轰动全球的重大新闻,被全球多家媒体大肆报道. AlphaGo之所以取得这么大的成功,这其中最重要的技术之一是深度学习技术. 经过这几年的发展,深度学习技术已经在图像分类、语音识别、自然语言处理等领域取得突破性进展,甚至在某些方面(如图像分类等)超越了人类专家的水平.

mybatis-plus入门学习-BaseMapper

于12-11 07:45 - 大田酱紫 -
入门使用BaseMapper完成增删改查. 根据数据库表制作相应实体类. public interface UserMapper extends BaseMapper { //这里什么都不用写 } 复制代码. 由于BaseMapper已经集成了基础的增删改查方法,这里对应的mapper.xml也是不用写的.

学习土木工程的你现在工作如何?对高考志愿填报相关专业的同学有什么建议? - 知乎

于11-25 16:24 - -
这个问题我觉得还是先不谈你报考这个专业的问题. 而是要明白一个道理, 这个专业的官方介绍就业方向和工作内容同实际工作方向和内容之间是有差距的. 也就说了解了教科书上说你可以做哪些牛逼的工作和实际中到底能做什么工作之间的差距后再去决定你要不要学习这门专业. 答主作为过来人其实希望告诉题主,你对你学习的专业是否感兴趣和你对你从事的工作是否感兴趣是两回事,而且后者更为重要.

被坑过后才知道学习HttpMessageConverter有多重要

于10-23 08:46 - i听风逝夜 -
一、HttpMessageConverter简介. 但是我并不是从这里认识到HttpMessageConverter的,而是从RestTemplate,RestTemplate是一个使用同步方式执行HTTP请求的类,因此不需要加入OkHttp或者其他HTTP客户端的依赖,使用他就可以和其他服务进行通信,但是容易出现转换问题,如果对微信接口或者qq接口有所了解的话,那么在使用RestTemplate调用他们服务的时候,必定会报一个错误.

机器学习在旅游与酒店个性化的研究

于09-03 19:02 - 标点符 - 数据
当我们访问Netflix、 YouTube 或Amazon时,我们认为个性化推荐是理所当然的. 这些服务已经探索我们的行为很长一段时间了,今天已经足够了解我们,可以让我们参与进来,或者根据我们的喜好提出有价值的购买建议. 对于旅游体验而言,情况略有不同. 根据 Sabre 的数据,尽管69%至75%的人喜欢以这种或那种形式提供个性化的旅游体验,但这在该行业还不常见.

如何系统性的学习分布式系统?

于08-13 00:00 - - zhihu
学习一个知识之前,我觉得比较好的方式是先理解它的来龙去脉:即这个知识产生的过程,它解决了什么问题,它是怎么样解决的并且它带来了哪些问题,这样我们才能比较好的抓到它的脉络和关键点,不会一开始就迷失在细节中. 所以,我们要解决的第一个问题是:分布式系统解决了什么问题. 第一个是单机性能瓶颈导致的成本问题,由于摩尔定律失效,廉价 PC 机性能的瓶颈无法继续突破,小型机和大型机能提高更高的单机性能,但是成本太大高,一般的公司很难承受;.

iptables 学习总结

于06-20 08:00 - -
参考文章: 朱双印 iptables. 主机防火墙:对单个主机进行防护. 网络防火墙:通常处于网络的入口/出口,服务于其背后的局域网. 硬件防火墙:在硬件级别实现部分防火墙功能,另一部分功能基于软件实现,性能高,成本高. 软件防火墙:应用软件处理逻辑运行于通用硬件平台之上的防火墙,性能低,成本低.

不衰的经典: ARIES事务恢复 [数据库学习的成人试炼] - 知乎

于06-08 22:44 - -
已经好几个月没写东西了, 比较忙, 开的技能树有点多, 主要在刷概率/统计/优化/NLP相关的东西, 分布式的东西看的比较少, 只是偶尔刷刷小红书的推荐论文还有看看datalake相关的东西; 不过ARIES这篇论文还是很值得在知乎记个笔记的.. 小红书的时候在第三章“Techniques Everyone Should Know”(很明显我还没入门啊, 这些paper几乎都没看过.

Apache Openwhisk学习(一) - junjiang3 - 博客园

于05-03 10:09 - -
最近中途参与的一个项目是和Serverless、Faas相关的,项目的整体架构和实现都参考了开源项目openwhisk,因此,同事们在编码时都会参考openwhisk的源码. 因为以前从没有接触过这方面的知识,因此想学习下. 关于Serverless和Faas的概念场景等,可以参考下,这两篇博客,.

带你五步学会Vue SSR - 前端学习 - SegmentFault 思否

于05-03 08:42 - -
SSR大家肯定都不陌生,通过服务端渲染,可以优化SEO抓取,提升首页加载速度等,我在学习SSR的时候,看过很多文章,有些对我有很大的启发作用,有些就只是照搬官网文档. 通过几天的学习,我对SSR有了一些了解,也从头开始完整的配置出了SSR的开发环境,所以想通过这篇文章,总结一些经验,同时希望能够对学习SSR的朋友起到一点帮助.

Kafka再次学习

于05-01 19:09 - Hiway -
其他更多java基础文章:. java基础学习(目录). Kafka的HW,LEO更新原理及运行流程总结. 你一定能get到的Producer的初始化及元数据获取流程. 可能是你看过最详细的RecordAccumulator解读. 距离上次学习Kafka( Kafka——基础知识)已经有一段时间了,这次重新复习一遍,并且把一些遗漏的知识点补上.

机器学习之恶意流量检测的特征工程

于01-14 10:00 - 邹先生007 - WEB安全 恶意流量 机器学习 特征工程
传统的机器学习除了使用Tfidf-ngram的方式外还有其他做特征工程方式,还可以通过定义不同维度的特征来做特征工程,这种特征工程方式需要安全工程师对每一种攻击有良好特征提取能力. 这种方法举个例子来说可以这样理解,我的输入是姚明,此时我在特征工程阶段需要将姚明转化为身高2.2米、体重400斤等等数值特征,再经过标准化等转化为机器可以识别的量纲单位进行学习预测.

学习分布式系统需要怎样的知识?

于01-12 12:55 - 齐达内 -
我的 PhD 研究方向是分布式系统,我老板也是分布式系统出身,我们实验室在这方面的积累还算不错,所以借此问题谈谈自己的看法. 首先需要说明的是,分布式系统是一个复杂且宽泛的研究领域,学习一两门在线课程,看一两本书可能都是不能完全覆盖其所有内容的. 介于这篇文章是引导初学者入门,所以我个人觉得为初学者介绍一下当前分布式系统领域的全貌,也许比直接推荐论文和课程更有帮助.

基于 TensorFlow.js 的迁移学习图像分类器

于12-08 00:00 - - dev
欢迎点击「算法与编程之美」↑关注我们. 本文首发于微信公众号:"算法与编程之美",欢迎关注,及时了解更多此系列文章. TensorFlow.js是一个基于deeplearn.js构建的强大而灵活的Javascript机器学习库,它可直接在浏览器上创建深度学习模块. 使用它可以在浏览器上创建CNN(卷积神经网络)、RNN(循环神经网络)等等,且可以使用终端的GPU处理能力训练这些模型.

Airbnb深度学习搜索引擎实践-模型发展历程 – Semocean

于12-08 07:56 - -
该文章是KDD 2019上发表的Airbnb的搜索引擎主要算法的文章,主要介绍了Airbnb算法的演进历程. 还是Airbnb一贯的朴实无华的风格:不在乎有多少创新,更多是工业界结合业务上的算法工程,该文章很难的是文章中不仅介绍了Airbnb的算法,以及使用该算法的出发点和考虑,同时还记录了中间的各种坑,甚至一些失败的实验,真的是经验的无私分享,写作手法更像各大厂内网的技术总结分享文章.

是什么给了150万开发者拥抱深度学习的底气?

于11-08 19:30 - - 人工智能开发者
在企业数字化转型的浪潮中,对于AI等新技术的应用,先进与落后的企业之间,会有多大的差异. 与南方电网广东能源技术公司过去一年的合作中,百度为其提供全方位的AI支持,更多地解决了堪称“苛刻”的业务场景诉求. 这个案例,仅是百度AI在电力能源行业的一次成功下探,其背后,却离不开作为时下国内广受企业级开发者追捧的开源深度学习平台“飞桨”(PaddlePaddle)的支持.

利用kibana学习 elasticsearch restful api (DSL) - Ruthless - 博客园

于10-02 09:53 - -
利用kibana学习 elasticsearch restful api (DSL). 1、了解elasticsearch基本概念. PUT 创建索引,eg:PUT /movie_index 新建movie_index索引. GET 用于检索数据,eg:GET movie_index/movie/1.

奶爸为8岁女儿解读深度学习篇之:11个事实

于08-16 15:17 - 机器之心 -
机器学习,尤其是深度学习是一个热门话题,你肯定会在媒体上看到流行语「人工智能」. 第一个人工神经网络(ANN)是在 40 年代引入的. 那么为什么最近的热点话题都是关于神经网络和深度学习的呢. 我们将在 GPU 和机器学习的一系列博客文章中探讨这些概念. 在 80 年代,我记得我父亲构建了用于银行支票的字符识别工具.

经典机器学习 | 如何做到预流失与流失挽回?

于08-06 16:17 - 腾讯技术工程 -
导语:预流失用户,即有流失倾向,但还没有开始真正流失的用户. 相较于流失用户而言,预流失用户处于观望阶段,或许对现有产品有所顾虑,或许对于潜在的流向(竞品)有所顾虑,或许是在等待些什么;流失用户,即已经流失了的用户,或许是因为游戏弃坑,或许选择了其他产品,用户肯定还在玩些什么,只是不再来你这儿了. 文章介绍了如何通过经典的机器学习(Machine Learning, ML)方法来寻找那些流失可能性比较高的用户、寻找那些回流意愿比较大的用户.

[译] 深度学习的完整硬件指南

于08-01 00:00 - - dev
原标题 | A Full Hardware Guide to Deep Learning. 译者 | linlh、呀啦呼(Tufts University)、Ryan222(重庆邮电大学). 注:本文的相关链接请访问文末【阅读原文】. 深度学习是非常消耗计算资源的,毫无疑问这就需要多核高速的CPU.

elasticsearch和filebeat学习笔记

于08-01 10:52 - -
elasticsearch安装、维护以及Filebeat module编写相关的笔记,备忘. 全文检索: q=first. 单字段全文检索:q=user:prismcdn. 单字段精确检索:q=user:”prismcdn”. 多个检索条件的组合:NOT、AND、OR、(、),如q=user:(“prismcdn” OR “hello”) AND NOT mesg:first.

重读Youtube深度学习推荐系统论文,字字珠玑,惊为神文

于07-28 00:00 - - tuicool
这里是 王喆的机器学习笔记 ,每隔一到两周我会站在算法工程师的角度讲解一些计算广告、推荐系统相关的文章. 二是阿里、facebook、google等一线互联网公司出品的;. 这周我们一起讨论一下Youtube的深度推荐系统论文 《Deep Neural Networks for YouTube Recommendations》 ,这是2016年的论文,按照今天的标准来看,已经没有什幺新颖的地方,我也是两年前读过这篇文章之后就放下了,但前几天重读这篇文章,竟让发现了诸多亮点,几乎处处是套路,处处是经验,不由惊为神文.

量子机器学习公司登场,自动驾驶打脸季,投融资马太效应显著|AI重磅报告

于07-18 14:21 - 微胖 -
这份报告始于 2018 年,主要包括研究、人才、产业、中国、政治、预测等几个部分,两位作者逐年更新基础版本,及时捕捉人工智能快速发展的快照,他们将这份报告看作是「我们所见过的最有趣的事情的汇编. 2019 年已然过去一半,现在是人工智能报告的季节. 过去一段时间,我们接连看到几篇关于人工智能现状的报告,均出自风投领域的投资人和观察家们,他们一直密切关注人工智能的方方面面,从技术突破、到对经济与社会的影响.

深度学习在花椒直播的应用(Tensorflow 原理篇)

于07-05 00:00 - - dev
殷雅俊,2018年北京邮电大学硕士毕业,自2017年下半年来一直在花椒实习,随后进入花椒直播智能工程组担任算法工程师,主要负责花椒直播个性化推荐算法研发,花椒图像识别算法研发等工作. 1.花椒直播的深度学习使用. 使用Spark进行数据清洗,构建用户画像和物品画像,挖掘数据特征,形成数据集存储在HDFS.