2014年年底，NVIDIA 再为加速运算平台增添最新旗舰级产品，宣布推出全新 Tesla K80 双 GPU 加速器，专为机器学习、资料分析、科学和高效能运算 (HPC) 等广泛应用而设，提供多 2 倍效能和存储器频宽。 全新 Tesla K80 双 GPU 加速器是 Tesla 加速运算系列的旗舰级产品，特别针对大型科学探索和深入分析的顶尖运算平台，结合最快的 GPU 加速器、 CUDA 平行运算以及完整的软件开发者、软件商和资料中心系统 OEM 的产业体系支援。 效能方面， Tesla K8
选自Medium 作者：Slav Ivanov 参与：李泽南、路雪、刘晓坤 本文作者 slav Ivanov 在今年早些时候曾介绍过如何用 1700 美元预算搭建深度学习机器（参见：教程 | 从硬件配置、软件安装到基准测试，1700 美元深度学习机器构建指南）。最近，英伟达在消费级 GPU 领域又推出了 GTX 1070 Ti，如果现在想要组装一台深度学习机器，我们用哪块 GPU 最好呢？本文将详细解答这一问题。 即将进入 2018 年，随着硬件的更新换代，越来越多的机器学习从业者又开始面临选择 GPU 的
如今，我们每个人都在谈论“数据科学”，《哈佛商业评论》甚至将数据科学家定义为“21世纪最性感的职业”。在这个大数据时代，究竟什么是数据科学？数据科学家又究竟是怎样的一群人？他们在创造着什么令人着迷的东西？DT君将在2018年走访50位来自各行各业的顶尖数据科学家，希望能让你们了解这些神奇的人和他们的神秘事儿，为你们一窥数据科学的未来与未知。
2014年年底，NVIDIA 再为加速运算平台增添旗舰级产品——Tesla K80 双GPU 加速器，专为机器学习、资料分析、科学和高效能运算 (HPC) 等广泛应用而设，提供2 倍效能和存储器频宽。
当你在网上选购商品时，同类的商品成千上万，哪些因素会影响你选购某件商品呢？商品评论一定是一个重要的参考吧。一般我们总会看看历史销量高不高，用户评论好不好，然后再去下单。 过去不久的双11、双12网络购
作者：仁基，元涵，仁重 本文选自：《尽在双11：阿里巴巴技术演进与超越》 近十年，人工智能在越来越多的领域走进和改变着我们的生活，而在互联网领域，人工智能则得到了更普遍和广泛的应用。作为淘宝平台的基石，搜索也一直在打造适合电商平台的人工智能体系，而每年双11大促都是验证智能化进程的试金石。伴随着一年又一年双11的考验，搜索智能化体系逐渐打造成型，已经成为平台稳定健康发展的核动力。 演进概述 阿里搜索技术体系目前基本形成了offline、nearline、online三层体系，分工协作，保证电商平台
11 月 3 日，阿里达摩院联手中国计算机学会（CCF）开源发展委员会推出AI 模型社区魔搭ModelScope，首批合作方包括澜舟科技、智谱AI、深势科技、中国科学技术大学等多家科研机构，旨在打造下一代开源的模型即服务共享平台，致力降低 AI 应用门槛。
使用声明式 YAML 部署家庭网络所需应用，如路由器、家庭影院、监控系统、离线下载工具等。
关注我的朋友可能很多都是学习 Python、爬虫、Web、数据分析、机器学习相关的。当然大家可能接触某个方向的时间不一样，可能有的同学已经对某个方向特别精通，有的同学在某个方向还处于入门阶段。
预料之内的是，Python 并没有完全「吞噬」R 语言的空间，但这项基于 954 个参与者的投票显示，Python 生态系统在今年已经超越了 R 语言，成为了数据分析、数据科学和机器学习的第一大语言。
tf-slim 是基于 tensorflow 的高层封装库，包含了目前最新的 reset-net,Google-Inception 等网络的实现及图像处理算法，支持多 GPU 并行。使用 tf-slim 库，可以帮助你快速搭建图像处理 (包括分类，分割) 的生产环境，快速开发初代产品。本文内容为来自北京信息科技大学计算机应用技术专业研二在读生吴正一讲解的怎么快速入门 tf-slim。 近期，在雷锋网 AI 研习社举办的线上分享会上，来自北京拓尔思研发部三部图像处理实习生吴正一为大家详细介绍了 tf-slim
tf-slim是基于tensorflow的高层封装库，包含了目前最新的reset-net,Google-Inception等网络的实现及图像处理算法，支持多GPU并行。使用tf-slim库，可以帮助你快速搭建图像处理(包括分类，分割)的生产环境，快速开发初代产品。本文内容为来自北京信息科技大学计算机应用技术专业研二在读生吴正一讲解的怎么快速入门tf-slim。 在雷锋网AI研习社公开课上，来自北京拓尔思研发部三部图像处理实习生吴正一为大家详细介绍了tf-slim库的入门使用知识、注意事项、以及显卡选购和机器
现在开大会，不说点儿 AI 就 out 了，曾有网友开玩笑说，今年 Google I/O 的发布会就是：Google 系列产品+ AI。
选自KDnuggets等 机器之心整理 参与：李泽南、李亚洲、路旭阳 根据 KDnuggets 2017 年最新调查，Python 生态系统已经超过了 R，成为了数据分析、数据科学与机器学习的第一大语言。本文对 KDnuggets 的此项调查结果做了介绍，并补充了一篇文章讲解为何 Python 能成为数据科学领域最受欢迎的语言。 Python vs R：2017 年调查结果 近日，KDnuggets 发起了一项调查，问题是： 你在 2016 年到现在是否使用过 R 语言、Python（以及它们的封装包），或
编译｜Ailleurs 作者｜陈彩娴 李飞飞，阿里巴巴集团副总裁、阿里云数据库产品事业部负责人，也是达摩院的数据库首席科学家，任达摩院数据库和存储研究实验室的主任。他在加入阿里巴巴之前是犹他大学计算学院的教授。他的研究兴趣包括数据库系统、大规模数据管理、数据安全、数据分析以及用于系统性能和监控的机器学习方法。同时，他还是ACM Transactions on Database Systems（ACM TODS）期刊的副主编，曾多次担任ACM SIGMOD和ACM SIGKDD的高级区域主席，并担任过各种领导
618的预热已经结束，电商平台的终端优惠价格基本都已经出来了，下一波就是6月16-18号的优惠期。
来源：数量经济学本文约1000字，建议阅读5分钟书籍推荐：《因果推断：混音带》（内涵高级DID、合成控制法、机器学习和因果推理等资源课件） 来源：https://mixtape.scunning.com/index.html 简介： 这是《Causal Inference: The Mixtape》的在线版本，因果推理包括一些工具，让社会科学家能够确定什么导致什么。在一个混乱的世界里，因果推理有助于确定所研究行为的因果关系——例如，提高最低工资对就业的影响(或缺乏影响)，幼儿教育对以后生活中的监禁的影
摘自：毕马威大数据挖掘 微信号：kpmgbigdata 刚刚过去的双11、双12网络购物节中，无数网友在各个电商网站的促销大旗下开启了买买买模式。不过，当你在网上选购商品时，同类的商品成千上万，哪些因素会影响你选购某件商品呢？商品评论一定是一个重要的参考吧。一般我们总会看看历史销量高不高，用户评论好不好，然后再去下单。 然而各位一定也有所耳闻，买的不如卖的精，刷单的、刷评论的始终横行网上，没准你看到的评论就是卖家自己刷出来的。事实上，许多精明的淘宝卖家会在双十一等网购高峰期售卖“爆款”，“干一票就撤”，这
刚刚过去的双11、双12网络购物节中，无数网友在各个电商网站的促销大旗下开启了买买买模式。不过，当你在网上选购商品时，同类的商品成千上万，哪些因素会影响你选购某件商品呢?商品评论一定是一个重要的参考吧
每周一期，纵览音视频技术领域的干货。 新闻投稿：contribute@livevideostack.com。 ---- 基于端智能的播放QoE优化 伴随着B站业务形式的不断扩展，不同场景对视频播放体验的稳定性、流畅性提出了更高的要求，为保障提供给用户更好的播放体验B站做出了哪些努力？ Shopee 视频处理技术后台应用 在 8 月 6 日举办的 LiveVideoStackCon 2022 上海站大会中，Shopee 视频技术团队负责人 Zhixing 分享了 Shopee 视频处理技术的后台应用，本文
DeepMind 研究人员最近发表了一篇题为《通过用人工智能引导人类直觉来推进数学》（Advancing mathematics by guiding human intuition with AI）的论文，认为深度学习能够帮助发现被人类科学家忽视的数学关系。很快，这篇论文在科技媒体上引起了广泛的关注。
一家名为GOAT的潮鞋交易平台正尝试用机器学习，从七张照片中识别出一双鞋子是否是真的。
评价一个算法的好坏，我认为关键是看能不能解决问题。如果算法能很好地解决实际的问题，那么我认为就是好算法。比如预测的算法，关键是看预测的准确率，即预测值与实际值之间的接近程度，而不是看算法本身的评分高低。
编译 | 刘畅、尚岩奇、林椿眄 审校 | reason_W 2017年末，Facebook应用机器学习组发布最新论文，对整个Facebook的机器学习软硬件架构进行了介绍。纵览全文，我们也可以从中对Facebook各产品的机器学习策略一窥究竟。论文中涉及到机器学习在全球规模(上亿级数据处理)上的全新挑战，并给出了Facebook的应对策略和解决思路，对相关行业和研究极其有意义。 摘要 机器学习在Facebook的众多产品和服务中都有着举足轻重的地位。 本文将详细介绍Facebook在机器学习方面的软硬件
机器之心原创 作者：杜雪 2013 年，DeepMind 在 NIPS 大会上发表的一篇深度强化学习的文章，一举惊艳了学术界。2016 年 1 月，AlphaGo 在一场围棋大赛中击败李世乭吸引全世界的目光，其背后的强大武器正是深度强化学习技术。同年年底，2016NIPS 最佳论文奖也颁给了解决深度强化学习泛化能力较弱问题的论文。 随着深度学习的突破性进展，也促使强化学习的研究前景，重新获得了产业各界的关注。2016 年 8 月，在 ACM（国际计算机学会）会刊一篇名为《强化学习的复兴》的文章中提到，「D
选自Nature 作者：Amy Maxmen 机器之心编译 参与：黄小天、刘晓坤 最近，研究者借助 AI 技术发现了近 6000 种前所未闻的新病毒，这一工作已在 3 月 15 号由美国能源部（DOE
去年7月参加了一场关于元宇宙和机器学习的沙龙，主要听了Amazon 云科技的一位老师关于游戏和ML落地实践案例的分享。
人工智能是一门研究模拟人类智能，实现机器智能的一门科学，那么，在找工作过程中，这些面试题常常会被问到。了解一二，有备无患。 关于Python 1、Python的函数参数传递方法？ 2、Python中的元类(metaclass)有哪些？ 3、@staticmethod和@classmethod的区别？ 4、类变量和实例变量区别？ 5、Python中单下划线和双下划线？ 6、字符串格式化:%和.format？ 7、迭代器和生成器的区别？ 8、说一说面向切面编程AOP和装饰器？ 9、怎么理解Python中重载？
每周资讯 IMWeb前端社区 想要成为一名优秀的前端，需要及时掌握互联网技术的时事热点，这周又有哪些值得关注的最新动态呢，让我来为大家一一揭晓！ 1 苹果组建秘密团队，打算把iPhone变成你未来的病历卡 在医疗信息系统这个谷歌和微软都曾遭遇失败的领域，其他科技巨头望而却步，然而苹果却不会止步于此。它打造出秘密团队，试图解决医疗界多年来面对的困扰——如何处理零散杂乱的医疗信息。也许，将来有一天，我们可以彻底告别病历卡、告别过敏症清单、告别复杂的临床数据和繁琐的手续，一身轻松地去就医了呢。日前，CNBC撰文
当我介绍自己时，经常会被人问到诸如“机器学习和xx有何区别？”或“你在使用人工智能吗？”等问题。类似问题我已经回复了很多次，按照我的"3原则”我决定写一篇博文： 如果你写了3次相同的代码，请写一个函数； 如果你提供了3次相同问题的建议给他人，请写一篇博文。 - David Robinson（@drob）2017年11月9日 的确，这些领域实际上存在很多重叠的部分，很多人处于在营销宣传的目的把他们混为一谈。但实际它们是不能相互取代的：稍有专业知识的人仅凭直观，也能理解特定领域的工作到底是属于数据科学、
数学的实践，简单来说就是发现某种模式，并利用这些模式来提出和证明猜想，从而形成定理。
今天让我们来具体分析在显卡、内存、固态硬盘疯狂涨价的时候如何来配一台高性价比的游戏电脑吧。文章根据不同的人群有不同的建议，总有一款适合你！
不是有词典匹配的方法了吗？怎么还搞多个机器学习方法。 因为词典方法和机器学习方法各有千秋。 机器学习的方法精确度更高，因为词典匹配会由于语义表达的丰富性而出现很大误差，而机器学习方法不会。而且它可使用的场景更多样。无论是主客观分类还是正负面情感分类，机器学习都可以完成任务。而无需像词典匹配那样要深入到词语、句子、语法这些层面。 而词典方法适用的语料范围更广，无论是手机、电脑这些商品，还是书评、影评这些语料，都可以适用。但机器学习则极度依赖语料，把手机语料训练出来的的分类器拿去给书评分类，那是注定要失败的。
大数据文摘作品 编译：Shan LIU、笪洁琼、亭八 根据近1200份投票的统计结果显示，KDnuggets的读者认为对数据科学家/机器学习专家的需求将在未来4至10年内开始减少。最常见的一种回答是4-6年，中值是8-9年。 KDnuggets问卷：对数据科学家/机器学习专家的需求何时会开始衰减？ 这是一张很重要也很有意思的图表，看完之后我的想法如下…… 注意：需求下降的起始点紧随着需求高峰，所以我们需要交换着使用这两个术语。 在2012年被誉为“21世纪最性感的工作”之后，市场对于数据科学家的需求开始迅速
每年双11是电商零售行业的盛事，也是物流快递业的大考。在我印象中，过去每年双11过后，都会伴随着物流爆仓、快递小哥累到不行的新闻。每年双11我都会参与剁手，前几年来自外省的包裹要等一周甚至两周才收到，但今年双11我买的东西尽管到货没有平日快，却也在两三天内陆陆续续到达了。翻了下朋友圈，发现关于包裹延迟到达的吐槽也比往年少了许多，双11物流这个老大难问题似乎已经得到顺利解决。 快递终于不再是双11的瓶颈 今年双11快递行业比往年“好过”，有些出人意料。 今年双11天猫交易额达到1682亿，全网交易额达25
李根 发自 凹非寺 量子位 报道 | 公众号 QbitAI 你的双11，买买买。 阿里海报设计师的双11，在一个名为“资源位小组”的小黑屋连续通宵加班。 做海报、改文字、换商品、调设计、换banner，每个设计师对接几个运营人员，富士康流水线一样的重复性工作。一年双11下来，完成上亿张海报。 然而，这一切正在成为过去。 AI改变了围棋，现在也在改变海报设计。 这是一个名为“鲁班”的AI设计师，没错，它将担纲今年双11的banner海报设计，数量高达4亿张。 但考虑到鲁班平均1秒钟就能完成8000张海报设计
机器学习有助于在可观察性数据中检测不需要的行为，这使您更容易发现应用程序中的性能下降的服务或实例
在AI领域，相比创业公司，大公司具有天然的先发优势。在技术方面，决定技术的三个要素——数据、算法模型、计算力，背后的潜台词对应的是数据量、人才、资金，大公司更占优。在产品应用方面，大公司本身就有大量的用户基数、畅通的推广渠道，也是大公司的强项。 事实上，现在已经很难说哪家大公司完全与AI不相关，毕竟只要有数据，就很难不用到机器学习的算法。不过，出于本身的战略规划及实际业务情况，大公司对于AI行业的重视程度肯定各不相同。 国内方面 未上市公司方面 一 旷视（Megvii）
李根 假装发自 上海 量子位 出品 | 公众号 QbitAI 刚刚在上海，李飞飞正式宣布了一个激动人心的消息。 首先是Google AI中国中心正式成立。 其次，李飞飞这位享誉全球的AI学者、Google Cloud人工智能和机器学习首席科学家，将重返祖国工作，筹建并执掌Google AI中国团队。 这个中心由李飞飞和李佳共同领导。李飞飞将会负责中心的研究工作，也会统筹Google Cloud AI、Google Brain以及中国本土团队的工作。 在回答量子位提问时，李飞飞表示从1月入职Google时就开
李林 若朴 假装发自 McEnery 量子位 报道 | 公众号 QbitAI “I love machine learning, especially since I’m a machine, lea
扫地机器人已经成为了使用最广泛的有的人家里可能厨房客厅洗手间这些地方并没有做隔断处理，那扫地机就会跑到你不想要它去的地方进行打扫。有了虚拟墙，往那些地方一放，就不用担心扫地机进入了。，没有之一。但是，很多家庭把扫地机器人带回家之后，要不弄得家里鸡飞狗跳，要不用了几次之后就束之高阁了。该如何选购合适的扫地机器人呢？双11又要来了，如果你打算败一个扫地机器人回家的话，千万要记得以下几点。 清扫配件 扫地机器人的清扫部件主要分为吸口、主刷和边刷。 目前市面上的扫地机器人有浮动单吸口、固定单吸口和小
而围绕电商，阿里试图从微信蹭流量也已不是什么新鲜事，比如说，刚刚被封杀的火炬红包。
深度学习使我们能够执行许多类似人类的任务，但是如果是数据科学家并且没有在FAANG公司工作（或者如果没有开发下一个AI初创公司），那么仍然有可能会使用和旧的（好吧，也许不是那么古老）机器学习来执行日常任务。
芝麻科技授权转载 微信:Smart_Business 每年的双11都呈愈演愈烈之势，今年双11，天猫成交额更是达到了前所未有的912亿。 线上的购物狂欢对实体商业究竟有什么影响？实体商业在双11的大背景下，还有没有可以挖掘的商机？ 双11为实体商业带来了大量的销售机会。 芝麻科技联合阿里巴巴大数据平台、意略明市场营销咨询带来了实体商业（以服装与化妆品为代表）的线下客流分析和消费者大数据画像报告。研究数据涉及北京、武汉、深圳重点商圈的男装、女装、化妆品店在“双11”前一个周末（11月7日、11月8日）的客流
第一阶段：linux+搜索+hadoop体系Linux大纲这章是基础课程，帮大家进入大数据领域打好Linux基础，以便更好地学习Hadoop，hbase,NoSQL，Spark，Storm，docker,kvm,openstack等众多课程。因为企业中无一例外的是使用Linux来搭建或部署项目。1) Linux的介绍，Linux的安装：VMware Workstation虚拟软件安装过程、CentOS虚拟机安装过程
现在人人都用手持设备（例如手机、平板）等拍照，并通过简单的修图应用对图片编辑处理。人们通过不同的修图工具，能轻松创造出不同风格的图片。
机器学习定义 机器学习（Machine Learning）本质上就是让计算机自己在数据中学习规律，并根据所得到的规律对未来数据进行预测。 机器学习包括如聚类、分类、决策树、贝叶斯、神经网络、深度学习（Deep Learning）等算法。 机器学习的基本思路是模仿人类学习行为的过程，如我们在现实中的新问题一般是通过经验归纳，总结规律，从而预测未来的过程。机器学习的基本过程如下： 机器学习基本过程 机器学习发展历程 从机器学习发展的过程上来说，其发展的时间轴如下所示： 机器学习发展历程 从上世纪50年代的图
【编者按】11月21日，为期三天的SDCC2015中国软件开发者大会成功闭幕，主办方总计邀请了95余位演讲嘉宾，为参会者奉献了10个主题演讲，9大技术专场论坛（80余场技术演讲），另外还有5场特色活动。另外，据官方统计参会人数高达1067名（不含工作人员）。其中21日的算法专场，现场听讲人数一度爆满，而没有机会亲临现场的童鞋们，我们特邀请了业内专家、与会者分享他们的听课感受及他们眼中的算法专场。以下是来自畅捷通公共服务部总监张俊林的参加算法专场的听课札记，以飨读者。 以下为张俊林的听课札记： 2015年11
事实证明，在PR这件事上，谁都不是Google的对手 这个前沿科技行业月报系列是36氪前沿科技组的一个尝试，主要是基于我们的一个还不太成熟的判断——这个行业的进展要远快于行业内外的预期。所以我们想要尝试将这些散落在互联网各处的信息搜集、整理出来，为关注这个行业的人提供一些决策的参考及依据，也方便更多的人了解这个行业真实的进展。 因为36氪前沿科技组关注的领域跨度有点大， 包括了人工智能、机器人、AR、 VR 、新能源、新材料、新技术、物联网、智慧工业、智慧城市、智能硬件、商业航天等，所以
在11月6日召开的Techo开发者大会上，腾讯云副总裁、腾讯数据平台部总经理蒋杰博士正式对外披露腾讯大数据平台10年技术演进历程。经过10年的积累，腾讯大数据平台的算力资源池目前已有超过20万台的规模，每天实时数据计算量超过30万亿条，腾讯已经成为中国实时数据计算量最大的公司。并且，随着资源管理平台核心TKE和分布式数据库TBase正式对外开源，腾讯正在成为大数据领域开源最全面的公司。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
