博客水木

人工智能的英文全名为Artificial Intelligence，我们通常简称为AI。广义上讲，AI可以指任何能够从事某种智能活动的计算机程序。近年来深度学习在AI领域表现尤为突出，在这里我们可以简单的把AI理解为深度学习。 深度学习由深层神经网络算法构成，大量的神经元输入通过不断的迭代更新参数完成模型定型。深度学习的计算强度...继续阅读

企业面临的问题种类繁多，用于解决这些问题的ML模型种类繁多，因为有些算法比其他算法更擅长处理特定类型的问题。因此，我们需要清楚地了解每种ML模型的优点，今天我们列出了10种最流行的AI算法: 我们将解释的基本特性和应用领域下面所有这些算法。然而,我们必须事先解释机器学习的基本原则。 所有的机器学习模型旨在学习...继续阅读

科技，正在一次次帮劳动者减轻工作的繁杂与沉重。 从第一次科技革命开始，人类一步步从蒸汽时代迈入电力时代，再从计算机及信息技术时代迈进“第四次工业革命”——人工智能时代。AI开始逐渐取代那些繁重、危险、重复性的工作，让工作效率更高、让重复性工作更少、让劳动变得更有创造性。今天要讲的故事，就和人工智能这...继续阅读

CUDA（Compute Unified Device Architecture）的中文全称为计算统一设备架构。做图像视觉领域的同学多多少少都会接触到CUDA，毕竟要做性能速度优化，CUDA是个很重要的工具，CUDA是做视觉的同学难以绕过的一个坑，必须踩一踩才踏实。CUDA编程真的是入门容易精通难，具有计算机体系结构和C语言编程知识储备的同学上手CUDA编...继续阅读

学习卡尔曼滤波看了4天的文章,硬是没看懂.后来找到了下面的文章一下就看懂了. 我对卡尔曼滤波的理解, 我认为,卡尔曼滤波就是把统计学应用到了滤波算法上. 算法的核心思想是,根据当前的仪器”测量值” 和上一刻的 “预测量” 和 “误差”,计算得到当前的最优量.   再 预测下一刻的量,  ...继续阅读

虽然这篇是一看就懂的教程，但是仍然建议你有一些先修知识： 具有基本的数学素养：微积分，线性代数，统计学 具有简单的编程基础：了解一点Git和Github的知识，简单的Python知识 如果不具备以上条件的话，可以从以下一些入手: 网上有哪些学习微积分的好网站？ 3Blue1Brown的线性代数和微积分视频 文科生想自学一点统计...继续阅读

数学是打开科学大门的钥匙。——培根 数学基础知识蕴含着处理智能问题的基本思想与方法，也是理解复杂算法的必备要素。今天的种种人工智能技术归根到底都建立在数学模型之上，要了解人工智能，首先要掌握必备的数学基础知识，具体来说包括： 线性代数：如何将研究对象形式化？ 概率论：如何描述统计规律？ 数理统计：如...继续阅读

1. 决策树 根据一些 feature 进行分类，每个节点提一个问题，通过判断，将数据分为两类，再继续提问。这些问题是根据已有数据学习出来的，再投入新数据的时候，就可以根据这棵树上的问题，将数据划分到合适的叶子上。 如果你觉得这篇文章看起来稍微还有些吃力，或者想要更系统地学习人工智能，那么推荐你去看床长人工智...继续阅读

一、推荐系统结构 尽管不同的网站使用不同的推荐系统，但是总的来说，几乎所有的推荐系统的结构都是类似的，都由线上和线下两部分组成。线下部分包括后台的日志系统和推荐算法系统，线上部分就是我们看到的前台页面展示。线下部分通过学习用户资料和行为日志建立模型，在新的上下文背景之下，计算相应的推荐内容，呈现于...继续阅读

本文主要阐述： 推荐系统的3个W 推荐系统的结构 推荐引擎算法 浏览后四章的内容请见下篇。 1. 推荐系统的3个W 1.1 是什么(What is it？) 推荐系统就是根据用户的历史行为、社交关系、兴趣点、所处上下文环境等信息去判断用户当前需要或感兴趣的物品/服务的一类应用。 1.2 为什么(Why is that？) 为什么我们要用到推...继续阅读