机器学习

人工智能技术是将定义我们这个时代的转型技术， 但是要将AI技术成功落地应用，充满挑战性 为了帮助大家从入门到 放弃 （不是） 从理论到实际运用 混元形意太极 （也不是） 深度学习图像分类模型 华为云特别推出 华为云“云上先锋”·AI主题赛 从教学直播到实操应用 华为云AI大神助你 “从0到1，一赛通关，图像分类和识别” 现在报名，啪的一下，很快啊~ 你就能从0基础进阶深度学习框架的应用和使用的流程 年轻人，如果你是有备而来，有一定的开发基础 那尽情刷榜挑战吧，偷袭Baseline， 累积10w+的礼品等你来拿~ 赛事·赛程表 华为云“云上先锋”·AI主题赛 基于MindSpore或其他主流深度学习框架考核图像分类任务在实际生活中的运用能力 通过学、练、赛，可以对主流图像分类模型ResNet50模型有一个深度认识， 帮助大家分分钟提升未来在图像识别领域的迁移应用 目前新手赛+学习赛已经上线，课程内容已经更新完成。 点击下方报名还可参与华为云大神的直播分享 还没报名的请耗子尾汁 好好反思，赶紧报名！！！ 课程·报名 华为云“云上先锋”·AI主题赛已经开赛 识别下方二维码或点击文末 阅读原文 马上报名 课程·奖品 刚才有个朋友问我，华老师，发生肾么事了？ 我说怎么回事，给我发了几张截图， 我一看，嗷，原来是 报名华为云AI云上先锋赛， 可以领取华为手表和千元大额京东卡！！！

介绍 监督学习和无监督学习有什么区别？ 对于机器学习的初学者和新手来说，这是一个常见的问题。答案 是理解机器学习算法本质的核心。如果没有明白监督学习与无监督学习之间的区别，你的机器学习之旅就无法继续进行 。 实际上，这是你踏上机器学习之旅之初应该学习的东西。如果我们不了解线性回归，逻辑回归，聚类，神经网络等算法的适用范围，就不能简单地跳到模型构建阶段。 如果我们不知道机器学习算法的目标是什么，我们将无法建立一个准确的模型。这就是监督学习与无监督学习的由来。 在这篇文章中，我将用例子讨论这两个概念，并回答一个大问题——如何决定何时使用监督学习或非监督学习? 什么是监督学习？ 在监督学习中，计算机是通过数据来训练的。它从过去的数据中学习，并将学习到的东西应用到现在的数据中，以预测未来的事件。在这种情况下，输入数据和期望的输出数据都为预测未来事件提供帮助。 为了准确预测，输入数据被标记了正确的类别。 监督机器学习分类 重要的是要先记住，所有有监督学习算法本质上都是复杂的算法，分为分类或回归模型。 1） 分类模型： 分类模型用于输出变量可以分类的问题，例如“是”或“否”、“通过”或“失败”。分类模型用于预测数据的类别。现实生活中的例子包括垃圾邮件检测、情绪分析、考试记分卡预测等。 2） 回归模型 ：回归模型用于输出变量为实际值的问题，例如唯一的数字、美元、工资、体重或压力

经过 多年发展，京东大数据平台已经实现了从数据采集、存储、计算加工、数据模型建设、可视化、机器学习等全方位数字化服务。面对超大规模带来的运维挑战，包括异构配置难管理、故障一致性难保障以及成本压力难控制，都是怎么解决的？ 针对各 项挑 战，京东大数据平台进行了异构配置方案设计以及一系列的降本增效实践： 异构配置进行分层管理，做服务发现自主识别配置，研发智能代理进行交互，建立监听系统，配置变更回调实时生效； 系统一致性管控，自动对系统环境配置、程序版本、配置文件版本、Docker镜像进行检测自动拉齐版本，保持一致性，数据看板，随时查看同步状态； 降本增效实践，以数据驱动全链路优化，京东大数据SRE团队职责涵盖基础运维、应用运维、数据运维，具有最强的链路掌控能力，成为平台降本增效的最佳推手。 讲师介绍 郏建超， 京东大数据副总监、SRE负责人。2006年毕业于山东大学计算机科学与技术专业，之后一直从事大数据领域的研发和运维工作。擅长大数据架构设计，2017年底加入京东大数据团队，负责智能化运维体系建设工作，带领团队实现从脚本化到自动化、智能化的提升。 ↓点这里可下载本文PPT，提取码：6g02 阅读原文 来源： oschina 链接： https://my.oschina.net/u/4320183/blog/4883134

内容提要： 由于居家隔离全民上网 ，导致网速变慢？全球各大互联网运营商纷纷拿出 AI 和机器学习技术，来防止网络拥堵。 首发：微信公众号 HyperAI超神经 关键词 ： 网络拥堵 预测算法 近半个多月以来，在全球新冠肺炎确诊人数不断飙升的压力之下，多国陆续采取居家隔离措施。 于是，观看视频、远程会议、课程、游戏等活动随之猛增， 家里的网速开始变慢、延迟， 网友都在推特上抱怨并艾特各大电信运营商，要求提高网速。 全球网络：用量陡增 5-10 倍 欧美号召民众居家隔离之后，没想到对网络带宽带来了巨大冲击。 英国：居家倡议第二天，四大运营商全军覆没 沃达丰报告显示， 部分 欧洲国家的移动数据使用量增加了 50%， 网络游戏流量翻了 10 倍，流媒体视频流量翻了 4 倍。 英国首相呼吁在家办公后的第二天，英国四大移动运营商沃达丰、EE、O2 和 Three 曝出全部遭遇网络瘫痪，不仅无法上网，打电话、发短信都有问题。 、 推特上的用户抱怨网速太慢，甚至无法发送 Emoji 表情，改用古董手机 运营商们也很着急，Ofcom 发布了几条建议，帮助用户们提高网速。 1.鼓励用户将路由器远离其他电子设备，譬如固话、监视器等，以免干扰到无线网信号; 2.尽量减少非必要连接，比如关掉闲置不用的平板电脑和电视机; 3.若要处理重要工作，最好将电子设备与路由器“直连”,不要通过Wifi; 4

本文转自 Ranche Labs 作者简介 Alistair，数字化技术解决方案提供商Kainos首席架构师。在IT服务、电信和金融科技领域有十多年的工作经验。在Kainos，Alistair带领团队完成了多个英国政府部门的知名云迁移和数字化转型项目。 由于媒体以及各类调查机构的数据宣传，我们很容易认为现在大部分企业都已经上云。但事实并非如此，正如AWS CEO Andy Jassy在re:Invent主题演讲中所说的，超过96%的计算仍然停留在传统数据中心。 众多企业采用云技术的障碍显然仍然存在——其中一些障碍可能是非常有形的，而另一些障碍则可能更加主观，例如： 对许多企业来说，企业内部缺乏相关技能是一个重大的挑战，而其他运行高度专业化的工作负载和复杂需求的企业可能还没有信心认为商品云能够满足他们的特定需求。 缺乏信任以及对安全、隐私和法规遵从性的担忧可能会降低对公有云的兴趣。 文化和政治障碍：比如对风险的保守态度，缺乏决策者的支持，甚至可能只是对变化和未知的恐惧，都可能提供足够的惯性，阻止企业投身其中。 COVID-19: 云计算应用的催化剂？ 不管是好是坏，2020年都是动荡不安的一年，其影响很可能在未来几十年内都会感受到。那么，2020年是如何影响云在商业世界中的地位的呢？ 随着远程办公的普及，全球的IT团队突然发现他们需要争先恐后地应对全新的、复杂的

本文转自 Ranche Labs 作者简介 Alistair，数字化技术解决方案提供商Kainos首席架构师。在IT服务、电信和金融科技领域有十多年的工作经验。在Kainos，Alistair带领团队完成了多个英国政府部门的知名云迁移和数字化转型项目。 由于媒体以及各类调查机构的数据宣传，我们很容易认为现在大部分企业都已经上云。但事实并非如此，正如AWS CEO Andy Jassy在re:Invent主题演讲中所说的，超过96%的计算仍然停留在传统数据中心。 众多企业采用云技术的障碍显然仍然存在——其中一些障碍可能是非常有形的，而另一些障碍则可能更加主观，例如： 对许多企业来说，企业内部缺乏相关技能是一个重大的挑战，而其他运行高度专业化的工作负载和复杂需求的企业可能还没有信心认为商品云能够满足他们的特定需求。 缺乏信任以及对安全、隐私和法规遵从性的担忧可能会降低对公有云的兴趣。 文化和政治障碍：比如对风险的保守态度，缺乏决策者的支持，甚至可能只是对变化和未知的恐惧，都可能提供足够的惯性，阻止企业投身其中。 COVID-19: 云计算应用的催化剂？ 不管是好是坏，2020年都是动荡不安的一年，其影响很可能在未来几十年内都会感受到。那么，2020年是如何影响云在商业世界中的地位的呢？ 随着远程办公的普及，全球的IT团队突然发现他们需要争先恐后地应对全新的、复杂的

// 定义出路 // 出路，在每个行业都是一个热门话题： 英语老师的出路在哪里， 外贸跟单的出路在哪里， 数据库工程师的出路在哪里， 大前端全栈的出路在哪里 甚至阿里巴巴，腾讯，百度，京东也在讨论： 阿里巴巴百年老品牌的出路在哪里， 腾讯抛开游戏之后，出路在哪里, 移动互联后，百度的出路在哪里， 风波不断的京东，出路在哪里 几乎每个行业都在讨论这话题！ 既然那么多优秀的领袖、翘楚、自媒体新贵都在谈出路，可以证明的是大家都看不清前面的路该怎么走，都有一定的焦虑！ 不同的是有些出路仅仅是找口饭吃，有些出路是为其他找出路的人找到饭吃。 对于数据分析师这行，要找到出路， 首先就要定义出路 ！ 找口饭吃的出路很简单，网传“7 周成为数据分析师”，不是不可能。就看你的方法，你的资源，你的团队是不是够有效！ 当然我是绝对看不惯这种标题党似的文章，害人么不是！就跟 21 天学完 C++ 似的，学不好的人都在这些标题党上丢了自信。哎，我也是其中之一！ 数据分析要绝对和数据统计区分开来，分析带有一定的“利润基础”，而统计则完全是“人力”基础。凡是“利润”即为“利润中心”，凡是“人力”，则为成本！人力在将来会被机器代替，这是不争的事实，所以我们要做的是成为“利润中心”，为企业创收。 即称自己是分析师，那么出路就要定义成“为企业造富的人才”。任何人都有可能为企业造福，但数据分析师怎么为企业造富呢？ //

点击上方 “ AI算法与图像处理 ”，选择加"星标"或“置顶” 重磅干货，第一时间送达 本文转载自：深度学习与计算机视觉 介绍 如今有大量的资源可以用来学习计算机视觉技术，那我们如何从众多教程中进行选择呢？哪个值得我们去投入时间呢？ 如果你也遇到这些问题，那么恭喜你来对地方了。我们通过理解数百种资源来选择值得你花费时间的资源-这就是我们首先推出本文的主要原因之一。 去年，我们广泛地专注于两个技术的学习方法——机器学习和深度学习，但是我们的社区需要更细化的学习路径—— 一个结构化的计算机视觉学习路径 。 这是可以理解的，因为计算机视觉专家的需求和价值在业界遥遥领先。专门研究计算机视觉及其不同方面，你会看到大量招聘人员试图接近你。 我记得当我开始自己的计算机视觉之旅时，我同时参考了多种资源——书籍、文章(当时并不多)、YouTube视频等等。 因此，我很高兴有机会 为你整理这种结构化的计算机视觉学习路径 。在开始学习之前，让我们了解一下为简化你的学习过程而构建的框架。 我们的计算机视觉学习路径框架 每个月都要有其对应的学习结构，这是我们对每个月需要了解的不同方面进行分类的方式： 目标 ：这个月你会学到什么？关键要点是什么？你的计算机视觉之旅将如何进行？我们会在每个月初提及此问题，以确保你知道该月底的立场以及所处的位置 建议时间 ：你每周平均应在该部分上花费多少时间 学习资源

保留版权所有，转帖注明出处 <div class="article-child "><h2>章节</h2><ul><li class="page_item page-item-4067"><a href="https://www.qikegu.com/docs/4067">SciKit-Learn 加载数据集</a></li> <li class="page_item page-item-4071"><a href="https://www.qikegu.com/docs/4071">SciKit-Learn 数据集基本信息</a></li> <li class="page_item page-item-4075"><a href="https://www.qikegu.com/docs/4075">SciKit-Learn 使用matplotlib可视化数据</a></li> <li class="page_item page-item-4080"><a href="https://www.qikegu.com/docs/4080">SciKit-Learn 可视化数据:主成分分析(PCA)</a></li> <li class="page_item page-item-4082"><a href="https://www.qikegu.com/docs/4082">SciKit

介绍 如今有大量的资源可以用来学习计算机视觉技术，那我们如何从众多教程中进行选择呢？哪个值得我们去投入时间呢？ 如果你也遇到这些问题，那么恭喜你来对地方了。我们通过理解数百种资源来选择值得你花费时间的资源-这就是我们首先推出本文的主要原因之一。 去年，我们广泛地专注于两个技术的学习方法——机器学习和深度学习，但是我们的社区需要更细化的学习路径—— 一个结构化的计算机视觉学习路径。 这是可以理解的，因为计算机视觉专家的需求和价值在业界遥遥领先。专门研究计算机视觉及其不同方面，你会看到大量招聘人员试图接近你。 我记得当我开始自己的计算机视觉之旅时，我同时参考了多种资源——书籍、文章(当时并不多)、YouTube视频等等。 因此，我很高兴有机会为你整理这种结构化的计算机视觉学习路径。在开始学习之前，让我们了解一下为简化你的学习过程而构建的框架。 我们的计算机视觉学习路径框架 每个月都要有其对应的学习结构，这是我们对每个月需要了解的不同方面进行分类的方式： 目标 ：这个月你会学到什么？关键要点是什么？你的计算机视觉之旅将如何进行？我们会在每个月初提及此问题，以确保你知道该月底的立场以及所处的位置 建议时间 ：你每周平均应在该部分上花费多少时间 学习资源 ：该月你将学习的计算机视觉主题的顶级资源集合，其中包括文章，教程，视频，研究论文和其他类似资源 你可以在此处下载该学习路径的相应信息图。