站长资讯

• 互联网资讯(3100)
• 娱乐头条(399)
• 教育考试(249)
• 幽默笑话(13)
• 美图合集(14)
• 站长资讯(9010)
• 电商资讯(229)
• 网站建设(74)
• 网站运营(202)
• 推广杂谈(550)

站长资讯

• 简单且可扩展的图神经网络

  神经网络是近年来兴起的用于学习图结构数据的一类机器学习模型。图神经网络已经成功应用于各种不同领域的关系和相互作用的模型系统，包括社会科学、计算机视觉和图形学、粒子物理学、化学和医学。直到最近，该领域的大多数研究都集中在开发新的图神经网络模型，并在小图上进行测试（如 CORA，它是一个仅包含约 5K 节点的引文网络，目前仍在广泛使用【1】）。另一方面，工业问题通常涉及到规模巨大的图，比如 Twitt

  2022-04-16

• 如何从软件工程师转型为AI工程师？

  人工智能技术已经存在几十年。然而，直到大约十年前，人们才真正意识到它的潜力。从那时起，全球对人工智能工程师的需求呈指数级增长。由于持续的技术人才短缺没有改善的迹象，这为 软件工程师（他们也是高需求者）提供了转型和填补人才缺口的机会。然而，学习人工智能、机器学习和自然语言处理并不是一蹴而就的事情。为了让读者对从软件工程师转型到人工智能工程师的过程有所了解，我联系了 Ipsoft 的认知实现工程师 S

  2022-04-16

• 谷歌大脑团队：重新思考计算机视觉的预训练和自我训练

  概    览预训练是计算机视觉领域的一种主流范式。由于许多视觉任务都是相关的，因此需要在一个数据集上预先训练一个模型，以帮助另一个数据集。现在普遍的做法是在 ImageNet 分类上预先训练目标检测和分割模型的骨干。这种做法最近受到了 何恺明等人的质疑（Rethinking ImageNet Pre-training）。他们给出了一个令人惊讶的结果，即这样的 ImageNet 预训练并没有提高 C

  2022-04-16

• 苏宁基于 ClickHouse 的大数据全链路监控实践

  简    介ClickHouse 是一款优秀的 OLAP 分析引擎，尤其是在单表分析 、Colocate Join 方面性能表现尤为突出。ClickHouse 之所以在众多的 OLAP 分析引擎中成为佼佼者，主要是因为它具备以下特点：列式存储、LSM-Tree 存储引擎、向量化执行引擎、异步 Merge 和 Mutation 机制、并发 MPP+ SMP 等。目前，ClickHouse 在苏宁大数

  2022-04-16

• 数据科学家应该了解的软件工程实践

  最近，我在 LinkedIn 上进行了一次民意调查，我惊讶地发现，很多人持有这样的观点：数据科学家必须懂得编程标准并遵循工程最佳实践。许多 数据科学家（包括我自己）都缺乏基本的统计学知识，对统计学的应用知之甚少。而数学家们认为，在应用之前，必须对应用于各种场景的原理有一个坚实的理解，我承认我并不了解这些原理。软件工程师希望数据科学家能够在遵循基本编程原则的同时进行实验。最让我感到刺痛的是，每一位“

  2022-04-15

• 如何使用机器学习检测欺诈？

  作者 | Kurtis Pykes译者 | Sambodhi策划 & 编辑 | 刘燕在现实世界中，欺诈检测是一个非常普遍且具有挑战性的问题。本文最初发表于 Towards Data Science 博客，经原作者 Kurtis Pykes 授权，InfoQ 中文站翻译并分享。机器学习是人工智能的一个子集，它赋予了系统从经验中自动学习和改进的能力，无需进行显式编程。如此说来，我们（人

  2022-04-15

• 为什么卷积神经网络优于传统机器学习算法?

  数据集信息Fashion MNIST 是由 Zalando Fashion 研究室于 2017 年 8 月推出的。随着 MNIST 变得过于容易和过度使用，Fashion MNIST 的目标是成为测试机器学习算法的新基准。MNIST 是由手写的数字组成的，而 Fashion MNIST 是由 10 个不同服装对象的图像组成的。每个图像都具有以下属性：它的大小为 28 × 28 像素。相应地旋转并以

  2022-04-15

• 深度强化学习在滴滴路径规划中的探索实践

  滴路径规划的背景以及业务逻辑的复杂性类似于语言任务中的 token，物理世界的道路会被建模成一段一段的 link，这些 link 都具有唯一的 id 以及对应的道路属性，比如长度，方向，道路等级等。对于路口来说，进入路口的 link 和出路口的 link 往往都有多个。拿北京举例，北京的路网包含大约 200W 个 link，网约车订单可能会包含数十甚至上百个路口，在如此庞大且复杂的路网中和较为苛刻

  2022-04-15

• 浅谈深度学习背后的数学

  深度神经网络（Deep neural network，DNN）本质上是由具有多个连接的感知器形成的，其中一个感知器是单个神经元。我们可以将人工神经网络（Artificial neural network，ANN）看作一个包含一组沿着加权路径馈送的输入系统。然后对这些输入进行处理，并产生一个输出来执行某些任务。随着时间的推移，人工神经网络将会“学习”，并发展出不同的路径。各种路径可以具有不同的权重，

  2022-04-15

• LSTM的兴衰

  STM（Long Short-Term Memory，长短期记忆网络）作为递归神经网络（Recurrent Neural Networks，RNN）的一种更好的变体，已经成为深度学习领域中的主力军。随着机器学习研究的加速，各种方法出现和消失得越来越快，似乎 LSTM 已经开始走向消亡。让我们回过头，去探索语言建模的演变，从它的起步阶段到解决复杂问题的现代进步。本文最初发表于 Towards Dat

  2022-04-15