原创 美國人爲什麼不待見人臉識別技術?

**有缺陷的人臉識別技術** 客觀上來說,美國的人臉識別技術一直走在科技前沿,並且在商用層面早有動作。亞馬遜早在 2016 年就推出了人臉識別軟件 Rekognition,此外,類似的產品還有谷歌雲 Vision API、IBM Wats

原创 深度揭祕:機器學習對軟件開發帶來哪些影響?

機器學習有望從根本上改變軟件開發的本質,這也許是自FORTRAN和LISP被髮明以來軟件開發領域改變最大的一次。這些變化對數百萬正在從事軟件開發的人而言,意味着什麼呢?失業?裁員?現有的軟件開發將變得面目全非?![fractal_12800

原创 邊緣計算時代來了,你準備好了嗎?

邊緣計算已成爲物聯網(IoT)的重要趨勢,高德納諮詢公司將邊緣計算確定爲2019年的最佳技術趨勢之一。提供物聯網解決方案的公司看到了在更接近產生數據的地方處理數據帶來的價值。最近Forrester調查發現,在未來的3年時間裏,53%的受訪者

原创 被神話的大數據——從大數據(big data)到深度數據(deep data)思維轉變

        自從阿法狗戰勝人類頂級棋手之後,深度學習、人工智能變得再一次火熱起來。有些人認爲,深度學習的再一次興起是源於硬件的提升、數據量的增多以及高效算法的研究。這並不完全精確,有一個基本的誤解是更大的數據會產生更好的機器學習結果。然

原创 一份關於kaggle特徵構建技巧和心得

       在很長的一段時間裏,我們表現出缺乏創造力,所做出的工作被認爲是山寨、借鑑,這一點是不可否認,但隨着自身的積累,厚積薄發,完成了從借鑑到創造的突破。創造力是我們工作的基本要素之一,這點在各行各業都顯得很重要,在機器學習領域也無所

原创 年度回顧:2018年的AI/ML驚喜及預測19年的走勢(二)

年度回顧:2018年的AI/ML驚喜及預測19年的走勢(一) Unravel Data首席執行官Kunal Agarwal 人工智能和機器學習的日益重視將會推動TensorFlow和H2O實現技術突破成爲可能。此外,Spark和Kafka

原创 年度回顧:2018年的AI/ML驚喜及預測19年的走勢(一)

考慮到技術變革的速度,我認爲讓專業IT人士分享他們對2018年最大驚喜及2019年預測的看法會很有趣。以下是他們對人工智能(AI),機器學習( ML)和其他數據科學迭代的看法: CLARA分析公司首席執行官兼創始人:Chiara Laksh

原创 網絡安全與機器學習(一):網絡安全中的機器學習算法

相當多的文章已經描述了機器學習在網絡安全的應用以及保護我們免受網絡攻擊的能力。儘管如此,我們仍然需要仔細研究人工智能(AI)、機器學習(ML)和深度學習(DL),它們到底能不能像炒作內容所說的無所不能。 首先,我要讓你失望了。我通過研究發現

原创 這些深度學習術語,你瞭解多少?(下)

這些深度學習術語,你瞭解多少?(上) 動量(Momentum) Momentum是Gradient Descent算法的擴展、可加速或抑制參數更新。 1、通過反向傳播的錯誤來學習表徵 多層感知器(MLP) 多層感知器是一種前饋神經網絡,具有

原创 這些深度學習術語,你瞭解多少?(上)

對於一個新手來說,深度學習術語可能非常難以理解。本表試圖解釋深度學習常用術語並鏈接到原始參考,以幫助讀者深入瞭解特定主題。 深度學習與“一般”的機器學習術語之間的界限非常模糊。例如,我這裏不包括“交叉驗證”,因爲它是一種通用技術,用於整個機

原创 200種最佳機器學習教程彙總【史上最全】

本文包含了迄今爲止大家公認的最佳教程內容。它絕不是網上每個ML相關教程的詳盡列表,而是經過精挑細選而成的,畢竟網上的東西並不全是好的。我作者彙總的目標是爲了補充我即將出版的新書,爲它尋找在機器學習和NLP領域中找到的最佳教程。 通過這些最佳

原创 用Python 進行深度學習

人腦模擬     深度學習背後的主要原因是人工智能應該從人腦中汲取靈感。此觀點引出了“神經網絡”這一術語。人腦中包含數十億個神經元,它們之間有數萬個連接。很多情況下,深度學習算法和人腦相似,因爲人腦和深度學習模型都擁有大量的編譯單元(神經元

原创 免費的NLP學習資源,瞭解一下

自然語言處理表示計算機系統理解人類語言的能力,它是人工智能的一部分。網上有很多種資源可以幫助你從零開始學習NLP。本文列出了適用於初學者和從業者的一些相關資源。   給初學者的自然語言資源 對於初學者,可以採用兩種傳統的方法—機器學習和深度