
人工智能
文章平均质量分 78
Jes_Ma
Dig future.
展开
-
人工智能万亿市场待挖掘
1.新技术革命登场,IT发展焦点将从互联网转向人工智能发轫于2007年的移动互联网浪潮已经席卷全球,极大地改变了我们的生存状态。然而,就在资本市场热切地期待移动互联网催生出更多新应用服务、更多新商业模式的时候,由技术水平不足导致的发展瓶颈已然出现。与此同时,为突破上述瓶颈,新一轮更激动人心、更值得期待的技术革命风暴已经诞生,将成为未来10年乃至更长时间内IT产业发展的焦点,将再次并更加彻底地颠转载 2015-02-11 13:40:50 · 56973 阅读 · 0 评论 -
数据专家必知必会的 7 款 Python 工具
如果你有志于做一个数据专家,你就应该保持一颗好奇心,总是不断探索,学习,问各种问题。在线入门教程和视频教程能帮你走出第一步,但是最好的方式就是通过熟悉各种已经在生产环境中使用的工具而为成为一个真正的数据专家做好充分准备。我咨询了我们真正的数据专家,收集整理了他们认为所有数据专家都应该会的七款 Python 工具。The Galvanize Data Science 和 GalvanizeU转载 2015-08-15 12:35:36 · 355 阅读 · 0 评论 -
极大似然估计法
最大似然估计提供了一种给定观察数据来评估模型参数的方法,即:“模型已定,参数未知”。简单而言,假设我们要统计全国人口的身高,首先假设这个身高服从服从正态分布,但是该分布的均值与方差未知。我们没有人力与物力去统计全国每个人的身高,但是可以通过采样,获取部分人的身高,然后通过最大似然估计来获取上述假设中的正态分布的均值与方差。 最大似然估计中采样需满足一个很重要的假设,就是所有的采样都是独立转载 2015-08-20 14:50:39 · 1876 阅读 · 0 评论 -
分类算法之朴素贝叶斯分类(Naive Bayesian classification)
0、写在前面的话 我个人一直很喜欢算法一类的东西,在我看来算法是人类智慧的精华,其中蕴含着无与伦比的美感。而每次将学过的算法应用到实际中,并解决了实际问题后,那种快感更是我在其它地方体会不到的。 一直想写关于算法的博文,也曾写过零散的两篇,但也许是相比于工程性文章来说太小众,并没有引起大家的兴趣。最近面临毕业找工作,为了能给自己增加筹码,决定再次复习算法方面的知识,我决转载 2015-08-20 14:52:29 · 669 阅读 · 0 评论 -
PN学习
PN学习即PN learning, P指代Positive Constraint,也称之为P-expert或者growing event,N指代Negative Constraint,也称之为N-expert或者pruning event。P-expert的作用是发现目标的新的外观(形变),并以此来增加正样本的数量,从而使得检测模块更具鲁棒性;N-expert的作用是生成负的训练样本。N-转载 2015-08-20 14:53:48 · 492 阅读 · 0 评论 -
人脑多线程工作
前言以前读中学的时候,曾经训练自己用左手写字,借此来训练和激活自己右脑的脑细胞,天真地以为到手左手写作业能力练的如火纯青之时,我到时便可以左右并驾齐驱,提高写作业的效率,然而这时不可能能,本文参考计算机多线程的概念,从这个角度来指导大脑在多任务的情况的使用方法。非前言一对于计算机的多线程工作机制大家应该都非常熟悉,我们平时编程的时候经常会遇到需要用到多线程的状况,比如说,我写一个上位机一边要采集数据原创 2017-02-28 09:55:26 · 2339 阅读 · 0 评论 -
经典视觉跟踪算法TLD的剖析与展示
TLD is a typical Object-tracking architecture where the full name is tracking, learning, detect. The name implies how it work in practice. Without any bullshit, let’s have a look at a demo to see the p原创 2017-03-05 14:12:09 · 947 阅读 · 0 评论