原创 獨家 | 無人駕駛項目實戰: 使用OpenCV進行實時車道檢測

作者:PRATEEK JOSHI翻譯:張若楠校對:吳金笛本文長度爲2600字,建議閱讀10分鐘本文爲一個從圖像預處理角度入手的無人駕駛車道識別實戰項目。作者序大約十年前,我瞥見了第一輛自動駕駛汽車,當時Google仍在對初代無人車進行測

原创 AI技術重現的老北京原聲影像又火了,網友:這口音太過真實

來源:機器之心本文約1700字,建議閱讀7分鐘。“大谷的遊戲創作小屋”又用AI修復了一段老北京影像,這次還帶時代原聲……剃頭挑子、街邊地攤、京韻大鼓,多數人可能只在電影、電視劇中看過老北京的這些景象。但早在 90 年前,就有人將這些場景

原创 資源推薦 | 知識圖譜頂會文獻集錦(附鏈接)

來源:專知作者:WDS Research Group本文附資源,建議閱讀5分鐘。本知識庫包含了關於知識圖譜的會議論文的鏈接。[ 導讀 ]知識圖譜是通過將應用數學、圖形學、信息可視化技術、信息科學等學科的理論與方法與計量學引文分析、共現分

原创 收藏 | 計算機網絡基礎知識總結

來源:機器學習算法與自然語言處理本文約9300字,建議閱讀10+分鐘。一起來學習計算機網絡學習的核心網絡協議。閱讀目錄1. 網絡層次劃分2. OSI七層網絡模型3. IP地址4. 子網掩碼及網絡劃分5. ARP/RARP協議6. 路由選

原创 起底滴滴數據科學團隊:面對超複雜線下場景,要數據驅動,但拒絕“唯數據論”...

來源:大數據文摘本文約4300字,建議閱讀9分鐘。本文爲清華大學大數據研究中心聯合大數據文摘發起的年度白皮書《頂級數據團隊建設全景報告》系列專訪的第一篇內容。《報告》囊括專家訪談、問卷、網絡數據分析,力求爲行業內數據團隊的組建和高校數據

原创 GitHub超4.4k星:程序員求職,一個"算法模板"就夠了

來源:新智元本文約1800字,建議閱讀5分鐘本文爲你介紹程序員求職中科學的、高效的刷題方式。[ 導讀 ] 近日,GitHub上一個名爲"算法模板"的項目引發熱議,獲得了超4.4K星。該模板旨在爲求職中的程序員提供科學的、高效的刷題方式,

原创 獨家 | 用pandas-profiling做出更好的探索性數據分析(附代碼)

作者:Thomas Gey翻譯:廖倩穎校對:和中華本文約2300字,建議閱讀5分鐘。探索性數據分析已失勢,Pandas-profiling萬歲!用更省力的辦法完美呈現你的數據。標籤:機器學習 Pandas-profiling 一個充滿壞

原创 推送的廣告都跟我看的內容有關,怎麼回事?一文看懂推薦引擎

來源:大數據DT本文約6000字,建議閱讀10分鐘本文我們簡單介紹了各種類型的流行推薦引擎,如協同過濾、基於內容的推薦引擎、混合推薦引擎、情境感知系統、可擴展的推薦系統和基於圖的實時推薦引擎。[ 導讀 ]讀完關於數據分析的文章,就收到P

原创 Python 初學者進階的九大技能(附代碼)

授權自AI科技大本營(ID:rgznai100)本文約4300字,建議閱讀9分鐘本文爲你介紹Python必須掌握的九大技能。以下爲譯文:Python是一種很棒的語言,語法簡單,無需在代碼中搜索分號。對於初學者來說,Python是入門最簡

原创 手繪圖解 | 機器學習最常見的30個基本概念

來源:大數據DT本文約3300字,建議閱讀9分鐘本文主要介紹機器學習基礎知識,包括名詞解釋(約30個)、基礎模型的算法原理及具體的建模過程。標籤:機器學習01 空間表徵在學習深奧的機器學習理論之前,首先來介紹一些機器學習中最基本的概念。

原创 用戶畫像標籤體系包括哪些維度?有哪些應用場景?(附完整導圖)

來源:大數據DT本文約2600字,建議閱讀7分鐘本文詳細介紹用戶標籤體系的構成及應用場景。互聯網相關企業在建立用戶畫像時一般除了基於用戶維度(userid)建立一套用戶標籤體系外,還會基於用戶使用設備維度(cookieid)建立相應的標

原创 吳恩達deeplearning.ai發佈NLP課程!

來源:大數據文摘本文約6000字,建議閱讀10分鐘吳恩達的自然語言處理課程開課啦!雖然眨眼半年過去,馬上就放暑假了,大家宅家裏有好好學習嗎?今天的這個重磅炸彈,或許可以幫助你改掉拖延症。沒錯,吳恩達的自然語言處理課程開課啦!6月17日,

原创 KDD2020 | 混合時空圖卷積網絡:更精準的時空預測模型

來源:新智元本文約5000字,建議閱讀10+分鐘本文提出的混合時空圖卷積網絡,利用導航數據大大提升了時空預測的效果。[ 導讀 ]時空預測在天氣預報、運輸規劃等領域有着重要的應用價值。交通預測作爲一種典型的時空預測問題,具有較高的挑戰性。

原创 知識圖譜如何助力文本摘要生成

來源:丁香園大數據本文約3800字,建議閱讀8分鐘本文基於摘要生成,重點考慮如何幫助模型生成特定領域的知識點,並簡要介紹一些用於應對無關重複這類退化現象的方案。引言文本生成類任務應用場景廣泛,挑戰性強,隨着Attention-Seq2s

原创 獨家 | 一文讀懂貝葉斯優化

作者:Apoorv Agnihotri,Nipun Batra翻譯:王雨桐校對:張一然本文約6200字,建議閱讀10+分鐘。本文將貝葉斯優化拆解爲易於理解的小部分。許多現代的機器學習算法都涉及大量的超參數。爲了高效地使用這些算法,我們需