-
机器学习如何打击AI犯罪
现如今互联网发展迅速，而网络安全问题却成了大问题，网络安全已经给不同领域带来了一系列巨大的问题和不同程度的挑战。有人预计到2017年底，网络安全的全球市场价值会飙升到1200亿。这组数据不得
-
十大案例分析,机器学习的十种网络攻击
人工智能（AI）和机器学习（ML）是众多辩论的主题，特别是在网络安全社区内更是如此。那么，机器学习会是下一个大的安全趋势吗？人工智能准备好了接受机器学习推动的攻击吗？总的来说，人工智能是否做
-
AI又一次秒杀人类,全球首只AI分析ETF将解雇传统交易员
人工智能的发展可令人震惊也可以让人恐慌，震惊的是它的技术，恐慌的是它将秒杀人类，取代人类。 人工智能又赢了人类，这次是“人工智能ETF”。 华
-
盘点2017年有价值的机器学习知识或技能
在2017年人工智能的爆发年，对于机器学习领域的有价值，含金量搞得知识和技能有哪些呢？一起来看看吧！ 一、来自Vladimir Novakovski的回答： 对机器学
-
三大特征选择策略对比,提升机器学习格调不是问题
什么是特征选择？在解决问题时，总会有许多不相关的东西掺杂其中，那我们就需要找寻他们的关键特征进行清晰建模。伴随这一问题的还有大量数据问题，它们有时是多余的，或者不甚相关。特征选择是这样一个
-
用Python进行系统聚类分析
在进行机器学习时，我们往往要对数据进行聚类分析，聚类，说白了就是把相似的样品点/数据点进行归类，相似度高的样品点会放在一起，这样一个样本就会被分成几类。而聚类分析也有很多种方法，比如分解法、加入法、
-
企业如何深挖护城河,是算法还是数据？
现在，AI浪潮引起人们关注的是，它带来了一种新型网络效应，有人将其称为“数据网络效应”。机器学习的算法需要数据来支撑。 投资无非就是要找到“护
-
人工智能潜力爆发,重庆发力AI技术创新
人工智能的强大渗透力已进入了各个行业，垂直领域AI商业化进程加速，将掀起一场智能革命，通过学习，优化算法，人工智能变得越来越聪明了。为跟随时代的脚步，重庆市大力扶持AI技术创新。
-
如何区分深度学习与机器学习
看着人工智能技术如此火爆，在这方面的船业者也是层出不穷。然而，在学习的过程中就遇到了一对双胞胎机器学习和深度学习，是不是还在傻傻的分不清啊，其实他们区别大着呢。 为了展示他们的火
-
不可不知的机器学习之线性模型
本系列文章中，我想先介绍成功实施LTR背后的关键算法，从线性回归开始，逐步到梯度 boosTIng（不同种类的boosTIng算法一起）、RankSVM和随机森林等算法。 LT
-
AI产业被催熟,AI终于能落地创造价值了吗？
近两个月，不断有人工智能技术被成功应用于生活场景中。有人说理想和情怀狠狠地催熟了AI产业，那么人工智能距离挣钱还有多远？政府的号召，市场的驱动，不断在加快人工智能的进程，人类需要多久才可以真
-
鸡肋还是翻译神器？日本发明的智能口罩能“说话”
口罩要来抢翻译机的活了。 最近，日本一家初创公司发明了一款智能口罩，试图解决戴着口罩不能顺畅交流的问题。据FastCompany报道，日本一家名叫“Donut Labs”的公司研发出了一种智能口罩，可
-
TensorFlow中超大的30个机器学习数据集
导读 包括图像，视频，音频，文本，非常的全。 largest tensorflow datasets for machine learning 由谷歌Brain的研究人员创建的TensorFlow
-
训练提速60%！只需5行代码，PyTorch 1.6即将原生支持自动混合精度训练
PyTorch 1.6 nightly增加了一个子模块 amp，支持自动混合精度训练。值得期待。来看看性能如何，相比Nvidia Apex 有哪些优势？ 即将在 PyTorch 1.6上发布的 to
-
人工智能面临专家短缺难题,谷歌试图促进人工智能自我升级
在中国人工智能技术发展大好的情况下其实也面临着巨大的挑战，比如说人工智能专家短缺问题，这是很严峻的事件，人员需求量大，中国目前的情况来看根本供应不上。所以谷歌等巨头加大投入试图想要让人工智能
-
如何保障数据中心的安全与控制
如今，软件定义的数据中心（SDDC）和混合基础架构为数字业务创造了机会，同时也为IT部门对数据中心安全和控制带来了挑战，特别是在尝试集成和部署传统安全解决方案时。分散式IT基础
-
机器学习简单运用方面的基础知识
摘要：本文科普了机器学习方面的知识，简单介绍了机器学习可以做什么，以及如何做的。以下是译文。 在过去的几个月中，我与很多的决策者交流了有关人工智能特别是机器学习方面的问题。其中有几名高管
-
从零到python机器学习大神的7个步骤
卷积神经网络(CNN)的基础介绍见 ，这里主要以代码实现为主。 CNN是一个多层的神经网络，每层由多个二维平面组成，而每个平面由多个独立神经元组成。 以MNIST作为数据库，仿照
-
决策树的构建设计并用Graphviz实现决策树的可视化
最近打算系统学习下机器学习的基础算法，避免眼高手低，决定把常用的机器学习基础算法都实现一遍以便加深印象。本文为这系列博客的第一篇，关于决策树(Decision Tree)的算法实现，文中我将对决
-
对机器学习的理解和用Python实现的机器学习样例分析
本书节选自图书，Python本身带有许多机器学习的第三方库，但本书在绝大多数情况下只会用到Numpy这个基础的科学计算库来进行算法代码的实现。这样做的目的是希望读者能够从实现的过程中更好地理解机
