机器学习

李飞飞、邓中翰等当选美国工程院院士,多位毕业于中科大

瘦欲@ 提交于 2020-11-27 02:29:00
https://www.leiphone.com/news/202002/LWDYHgGp10iemxuW.html 美国华盛顿当地时间 2月6日,美国国家工程院(NAE)主席 John L. Anderson亲自公布了本年度美国国家工程院院士入选名单,包括 87名新院士和18名国际院士。 其中新院士中有 6 位华人,分别是李飞飞、刘镇钦、范钦强、俞久平、曾亮、张捷;另有 1 位中国籍学者——邓中翰当选国际院士。在7 名华人中,其中张捷、邓中翰两人曾毕业于中国科技大学。 当选美国国家工程院院士作为工程师的最高专业荣誉之一,旨在表彰那些对“工程研究、实践或教育,包括在适当的情况下对工程文献有重大贡献”和“开拓新的和正处于发展中的技术领域,在传统工程领域取得重大进步,或开发/实现工程教育的创新方法”做出杰出贡献的科学家们。迄今为止,美国院士共有2309人,国际院士共有 281 人。另外,在10月4日于华盛顿举行的NAE年度会议上,新当选的院士将正式入职。 以下为几位华人当选美国国家工程院院士和国际院士理由: 6名华人新院士 李飞飞:为建立大型机器学习和视觉理解知识库做出了贡献。 李飞飞,美国普林斯顿大学物理学学士,加州理工学院博士,现为美国斯坦福大学计算机科学系教授,以人为本人工智能研究院(HAI)院长,AI4ALL 联合创始人及主席,IEEE Fellow。主要研究方向为机器学习

算法岗面试整理 | 腾讯、字节、美团、阿里

旧街凉风 提交于 2020-11-26 15:05:08
作者 | 阿毛冲冲冲 来源 | 牛客网,见『阅读原文』处 整理 | NewBeeNLP,本文仅供学术交流,如有侵权,请留言联系小编处理。 面试锦囊之面经分享系列,持续更新中 欢迎后台回复" 面试 "加入讨论组交流噢 文 末 也有内推,需要的同学自取哈 写在前面 三月面试了好几轮,写个帖子记录一下问过的问题,为接下来的其他公司的面试查漏补缺一下,也给大家一些准备的方向。 腾讯 一面(凉) 自我介绍 问做过的项目,同时在过程中穿插用过的模型的问题,比如 word2vec两个模型的损失函数是什么 cbow和skipgram的比较,为什么skipgram会更好,哪个的计算复杂度高 为什么使用随机森林 决策树的分裂方式是什么,根据什么变量来决定分裂变量 手撕代码 给一个数N,k,每一轮可以进行两种操作的其中一种:①所有的数拆分成两个更小的数;②所有的数-1。已知拆分操作只能进行k次,问 最少需要多少次把所有数都消去 给一串数列,这串数列有正有负,但是总和为0。每个数xi代表一个村庄,正的表示村庄想卖出xi份水果,负的表示想买入xi份水果。两相邻村庄间的距离是相同的,单位距离运送一份水果的运费均相同,每份都是k。问,把每个村庄的需求和供给都解决掉需要的最少运送费是多少? 这是第一次面试,凉得很彻底,因为很多算法细节都没有好好复习,而且代码写的也不够整洁快速 字节tiktok海外版(南亚组?)

算法岗面试整理 | 腾讯、字节、美团、阿里

南楼画角 提交于 2020-11-26 14:46:54
(给 机器学习算法与Python实战 加星标,提升AI技能) 文末赠书福利 作者 | 阿毛冲冲冲 来源 | 牛客网,见『阅读原文』处 整理 | NewBeeNLP,本文仅供学术交流,如有侵权,请留言联系 写在前面 三月面试了好几轮,写个帖子记录一下问过的问题,为接下来的其他公司的面试查漏补缺一下,也给大家一些准备的方向。 腾讯 一面(凉) 自我介绍 问做过的项目,同时在过程中穿插用过的模型的问题,比如 word2vec两个模型的损失函数是什么 cbow和skipgram的比较,为什么skipgram会更好,哪个的计算复杂度高 为什么使用随机森林 决策树的分裂方式是什么,根据什么变量来决定分裂变量 手撕代码 给一个数N,k,每一轮可以进行两种操作的其中一种:①所有的数拆分成两个更小的数;②所有的数-1。已知拆分操作只能进行k次,问 最少需要多少次把所有数都消去 给一串数列,这串数列有正有负,但是总和为0。每个数xi代表一个村庄,正的表示村庄想卖出xi份水果,负的表示想买入xi份水果。两相邻村庄间的距离是相同的,单位距离运送一份水果的运费均相同,每份都是k。问,把每个村庄的需求和供给都解决掉需要的最少运送费是多少? 这是第一次面试,凉得很彻底,因为很多算法细节都没有好好复习,而且代码写的也不够整洁快速 字节tiktok海外版(南亚组?) 一面 一个很年轻的小哥哥,人也很好

程序员:我不学Python了!!

£可爱£侵袭症+ 提交于 2020-11-26 14:14:50
总学不会Python的原因,归根结底只有一个—— 学习方法不对。 作为一个唯一将易用性与功能取得平衡的编程语言,无论是编程新手还是多年经验的BATJZ技术大牛,都无可否认如今Python对于一个程序员职业发展的重要性。 所以,你现在能在网上看到有无数的教程告诉你该怎么学习Python,无数的文章教你该怎么做。 报班、自学、主攻某一技术方向(如数据分析、人工智能)......到最后你会发现,都很难能够坚持下来并学会Python。 于是你开始怀疑自己,是不是自己能力差,甚至不适合Python,深陷自我否定之中。 然而事实是,很多人坚持不下来,原因无非是:资料太多!看不完!应用方向太多!不知道该怎么选!基础薄弱!没人带! 所这篇文章就是想告诉大家:是时候和不正确的学习方法说再见了! 01超12万人学习的Python教程 CSDN作为编程技术社区,每天有数十万人在搜索Python相关问题的解决方案。 所以我想,没有谁比CSDN更了解国内Python初学者的各种难题了! 而上面这些问题,完全可以通过:正确的学习路径,与多领域项目实战进行解决。 基于此,我们联合 7 位 Python 经验丰富的工程师,专为Python新手量身打造了这门 <Python入门到实战-星选一卡 通> 套餐课,带你通过正确的学习路径,从零开始学习并实践 Python 5 大热门应用方向,从零进阶Python工程师!

RISC-V为什么会成为热点?

狂风中的少年 提交于 2020-11-26 14:12:43
作者 | 贸泽电子 Mark Patrick(英国) 译者 | 禾沐 新的处理器指令集架构(ISA)并不会经常出现。加州大学伯克利分校开发的开源RISC-V ISA 已经在嵌入式产业中产生了不小的波澜,项目的目的是让开发者能够设计处理器核和生成对应的软件编译器。目前,该项目由RISC-V基金会运作,成员包括众多大学、跨国科技企业(比如谷歌、IBM、微软、英伟达和甲骨文)、芯片厂商和创业公司。 RISC-V 的目标是从其他处理器ISA的错误中学习,这之中的核心是稳定性,既包括指令集和核心本身,也扩展到芯片设计者、编译器作者、操作系统构架师和开发工具供应商。稳定性让强力的处理器核更加易于获取,并增强其可用性,这对于鼓励更多的工程师在整个生态圈中使用这一开源技术而言非常重要。应用开发者可以针对一个冻结的ISA 进行代码优化,在达到最小的内存使用和功耗的同时保证扩展性和对未来设备的兼容性。这使得处理器核开发者可以开发各种不同的指令集实现,从简单的多级流水线(pipeline)到乱序执行(out of order execution)。它们会有不同的延迟、尺寸和功耗,但是它们相互兼容,而且与生态系统中的工具兼容。 整个生态系统的稳定性对于RISC-V 指令集而言至关重要,在设计时RISC-V 考虑了32/64/128位地址空间并保证三者之间的兼容性;其架构还支持扩展

马尔科夫决策过程之Markov Reward Process(马尔科夫奖励过程)

删除回忆录丶 提交于 2020-11-26 13:56:32
上文介绍了马尔科夫决策过程之Markov Processes(马尔科夫过程),可以移步到下面: 马尔科夫决策过程之Markov Processes(马尔科夫过程) 本文我们总结一下马尔科夫决策过程之Markov Reward Process(马尔科夫奖励过程),value function等知识点。 1Markov Reward Process 马尔科夫奖励过程在马尔科夫过程的基础上增加了奖励R和衰减系数γ:<S,P,R,γ>。 R是一个奖励函数。S状态下的奖励是某一时刻(t)处在状态s下在下一个时刻(t+1)能获得的奖励期望,如下: 这里大家可能有疑问的是为什么 Rt+1而不是Rt,我们更倾向于理解起来这相当于离开这个状态才能获得奖励而不是进入这个状态即获得奖励。视频中也有学生请教了David。 David的回答:David指出这仅是一个约定,为了在描述RL问题中涉及到的观测O、行为A、和奖励R时比较方便。 他同时指出如果把奖励改为Rt而不是Rt+1,只要规定好,本质上意义是相同的,在表述上可以把奖励描述为“当进入某个状态会获得相应的奖励”。大家认为是约定就好。 详细的定义如下: 2Example: Student MRP 下图是一个“马尔科夫奖励过程”图示的例子,在“马尔科夫过程”基础上增加了针对每一个状态的奖励。 举例说明:当学生处在第一节课(Class1)时,他

【强化学习】马尔科夫决策过程之Bellman Equation(贝尔曼方程)

拥有回忆 提交于 2020-11-26 13:54:28
前面总结了马尔科夫决策过程之Markov Processes(马尔科夫过程),见下文:马尔科夫决策过程之Markov Processes(马尔科夫过程) 马尔科夫决策过程之Markov Reward Process(马尔科夫奖励过程),见下文:马尔科夫决策过程之Markov Reward Process(马尔科夫奖励过程) 本文总结一下马尔科夫决策过程之Bellman Equation(贝尔曼方程) 1Bellman Equation for MRPs 首先我们从value function的角度进行理解,value function可以分为两部分: 见下面的推导公式: 我们直接从第一行到最后一行是比较好理解的,因为从状态s到状态s+1,是不确定,还是之前的例子。 比如掷骰子游戏,当前点数是1的情况下,下一个状态有可能是1,2,3,4,5,6的任意一种状态可能,所以最外层会有一个期望符号。 如果我们跟着一直推下来的话:有疑问的会在导出最后一行时,将G(t+1)变成了v(St+1)。其理由是收获的期望等于收获的期望的期望。参考叶强童鞋的理解。 则最后我们得到了针对MRP的Bellman方程: 通过方程可以看出v(s)由两部分组成,一是该状态的即时奖励期望,即时奖励期望等于即时奖励,因为根据即时奖励的定义,它与下一个状态无关。 这里解释一下为什么会有期望符合

2020 年上半年互联网公司"死亡"名单!

﹥>﹥吖頭↗ 提交于 2020-11-26 13:46:06
2020 年上半年互联网公司"死亡"名单! 收录于话题 #乘风破浪的职场,人心险恶的江湖! 17个 点击上方“民工哥技术之路”,选择“设为星标” 回复“1024”获取独家整理的学习资料! 2019年年底的疫情,一直持续到2020年,全国的企业受其影响不小,特别是餐饮与旅游业,冲击更是巨大的。 民工哥,也在老家呆到了3月10号,才回霸都正式复工上班,其它时间都是在家远程办公,因环境、地点的限制多多少少都会影响工作效率。 老家邻居一见到我都调侃道:这个假放的够长的吧,着急了吧!!!!你说能不急吗?上有老下有小,中间还有房贷,三座大山压着,对于一个普通人来说,都是很大的压力,那么对于一个企业(无论大小)压力更是巨大的。 如果说2019年是互联网行业的"寒冬",那么2020年对互联网行业来说,算不算是"至暗时刻"呢????或许只有身处互联网行业的人才能懂得。 从IT桔子官方数据显示来看,截止2020年9月3日,今年总关闭/停业/倒闭的企业963家。从列表数据中可以看出,有的企业刚刚创立几个月的时间就走向了关闭、停业,也有长达几年时间的老牌企业。 在这份列表数据中,有很多名气比较大,或者我们都比较熟悉的企业,比如:OFO小黄车、巢客公寓、友客公寓、万达网络、百程旅行、美团云、兄弟连教育、钱牛牛、人人聚财网、美利金融、美利车金融、铜掌柜、爱贝信息、鼎有财、淘集集等。 更完整的数据

从仁慈的独裁者到微软打工人,Python之父和Python将走向何方?

此生再无相见时 提交于 2020-11-26 11:25:22
文章目录 1. 龟叔的传说 2. 龟叔为什么辞职? 3. 龟叔真的离开Python了吗? 4. 龟叔入职微软后的主要工作是什么? 5. Pyhton未来将走向何方? 6. Py3.9之后的下一个版本是什么? 7. 未来Py4会兼容Py3吗? 8. Py4会有哪些新功能? 但凡名人,一言一行一举一动都会引发热议和追捧,名气越大,影响就越大。比如Python之父,被业内人士尊称为龟叔的吉多·范罗苏姆(Guido van Rossum)老爷子,退休之后赋闲在家才刚满一年,闲得五脊六兽,前几天跑微软继续放光发热去了。这么一件简单的事情,却在业内引起了轩然大波。很多人都在猜测,龟叔这是要彻底放弃Python吗? 其实呢,这不过是一位工作了一辈子的老人一时难以适应退休生活而做出的正常调整,实在无需作过多解读。假如龟叔不是去微软而是选择去钓鱼的话,难不成就要臆测龟叔打算再写一款名为Fish的编程语言吗?不过,IT界对于龟叔行踪的过于敏感,细究之下,却也不无道理。 一方面,两年多来,龟叔和Python社区之间发生了很多故事。先是龟叔和Python社区在语言扩展上产生了龃龉,伤心之下龟叔愤然宣布放弃“仁慈的独裁者”权力;紧接着Python社区改革了决策和管理模式,从先前的BDFL(Benevolent Dictator For Life,终身仁慈独裁者)模式改成了社区管理委员会模式

TypeError: unorderable types: treeNode() < treeNode(),FP-growth

六月ゝ 毕业季﹏ 提交于 2020-11-26 06:11:59
机器学习第12章FP-growth算法: bigL = [v[0] for v in sorted(headerTable.items(), key=lambda p:p[1])] 在python3中会报错:TypeError: unorderable types: treeNode() < treeNode() 原因:首先查看p[1]内容: for i in headerTable.items(): print(i[1]) print('********************************') 输出: [3, <__main__.treeNode object at 0x000002030A0FC518>] [3, <__main__.treeNode object at 0x000002030A0FC630>] [4, <__main__.treeNode object at 0x000002030A0FC240>] [3, <__main__.treeNode object at 0x000002030A0FC048>] [5, <__main__.treeNode object at 0x000002030A0FC128>] [3, <__main__.treeNode object at 0x000002030A0FC588>] 默认比较第一列元素