摘要： 本文将重点介绍五种机器学习的工具——面向非程序员的工具（Ludwig、Orange、KNIME）、模型部署（CoreML、Tensorflow.js）、大数据（Hadoop、Spark）、计算机视觉（SimpleCV）、NLP（StanfordNLP）、音频和强化学习（OpenAI Gym）。 阅读全文

摘要： 我们在训练模型的过程，都会经常进行数据采样，为了就是让我们的模型可以更好的去学习数据的特征，从而让效果更佳。但这是比较浅层的理解，更本质上，数据采样就是对随机现象的模拟，根据给定的概率分布从而模拟一个随机事件。 阅读全文

摘要： 图像配准（Image Registration）是计算机视觉中的基本步骤。在本文中，我们首先介绍基于OpenCV的方法，然后介绍深度学习的方法。 阅读全文

摘要： 几何深度学习是个很令人兴奋的新领域，但是它的数学运算逐渐转移到代数拓朴和理论物理的范围。 阅读全文

摘要： 作为信息科技发展的主流趋势，它频繁地出现在我们的眼前。伴随它一起出现的，还有 这些概念名词—— OpenStack、Hypervisor、KVM、Docker、K8S... 阅读全文

摘要： 这篇文章中，我们挑选了24个用于数据科学的Python库。 这些库有着不同的数据科学功能，例如数据收集，数据清理，数据探索，建模等，接下来我们会分类介绍。 阅读全文

摘要： NBA 2018-19 赛季已经落下帷幕，猛龙击败勇士，成为新科冠军球队。近日各队纷纷发布2019-20季前赛赛程，迎接新赛季。 阅读全文

摘要： PaddlePaddle为用户提供技术领先、简单易用、兼顾显存回收与复用的显存优化策略，在Transformer、BERT、DeepLab V3+上Max Batch Size性能优于对标开源框架，在YOLOv3、Mask-RCNN模型上显存性能与对标开源框架持平，有兴趣的同学可以试一下，上一组数据先睹为快。 阅读全文

摘要： 数据挖掘的理论背后，几乎离不开线性代数的计算，如矩阵乘法、矩阵分解、行列式求解等。本文将基于numpy模块实现常规线性代数的求解问题， 需要注意的是 ，有一些线性代数的运算并不是直接调用numpy模块，而是调用numpy的子模块linalg（线性代数的缩写）。该子模块涵盖了线性代数所需的很多功能，本文将挑几个重要的例子加以说明。 阅读全文

摘要： 当提及大数据时，我们无法忽视流式计算的重要性，它能够完成强大的实时分析。 而说起流式计算，我们也无法忽视最强大的数据处理引擎： Spark和Flink。 阅读全文