python遗传算法
收录了 python遗传算法 频道下的 37 篇内容
如何在软件开发行业选择一条正确的职业道路？
身处软件开发行业，开发者如何选择一条理想的成长路径值得每个人思考。本文作者撰写数千字内容，为我们描绘了这个行业的全景图，并为你的选择提供些许参考。
2684 亿销售额背后的阿里 AI 技术全景图
揭开双11大规模交易场景下，阿里人工智能技术的神秘面纱
新风向标：学术界开始从 Python 转向 Rust
比起Python，Rust有着更高效的性能，同时在社区建设方面也让用户体验更舒服。
这是我对 Uber AI 的建议，可惜它已死
Uber 人工智能业务研究院 AI LAB 已死去
2020 年图机器学习的热门趋势
图是强大的数据结构，可以被用于建模许多真实世界的场景。
这可能是人工智能领域覆盖最全的一份技术趋势报告
这份报告对AI领域的技术预测可谓面面俱到，无论是对于AI企业、研究者，还是AI学习者来说都有一定参考价值
7 个 AutoML 库：应对机器学习的下一波浪潮
自动机器学习（AutoML）是将机器学习应用于现实问题的端到端流程自动化的过程。AutoML使真正意义上的机器学习成为可能，即使对于没有该领域专业知识的人也是如此。本文介绍了一些流行的AutoML框架，这些框架的趋势是自动化部分或整个机器学习的管道。
万里挑一！热门机器学习开源资源最强盘点
今天我们带来了由 Mybridge 整理的 2018 年度热门机器学习开源资源大盘点，值得一提的是，在这份列表中，出现了来自中国腾讯的贡献的两个资源。
python 常用库简介
Scipy是一个用于数学、科学、工程领域的常用软件包，可以处理插值、积分、优化、图像处理、常微分方程数值解的求解、信号处理等问题。它用于有效计算Numpy矩阵，使Numpy和Scipy协同工作，高效解决问题。
用两个使用 Caffe 的小项目案例演示迁移学习的实用性
近年来随着深度学习的急剧升温，不管是学术界还是工业界都把大量资源投入了深度学习。作为一个普通的工程师或者程序员，也想对机器学习，尤其是深度学习有所了解，应当如何入手？最好的回答当然是“gets your feet wet”——不下水是终究是学不会游泳的。然而，深度学习火爆的同时，带来的一个副作用是：面对琳琅满目的各色名词，初学者简直毫无头绪，也无从下手。特别是机器学习、深度学习，以及最近炒得很火的强化学习、迁移学习，到底是怎么一回事儿？ 本文试图以自己亲自操刀的两个项目案例演示迁移学习的实际应用，并且在篇头以维基百科上的定义，对上述几种机器学习作个简单的阐明，以及做个对迁移学习的简单科普。
智能风控模型的自动化迭代
本文主要分享在智能风控体系下模型如何做到全流程自动化的迭代。
机器学习之 PyTorch 和 Scikit-Learn 第一章 赋予计算机学习数据的能力
在作者的心目中，机器学习这一解释推理数据的应用和算法科学，是计算机科学中最令人振奋的领域！我们生活在数据多到泛滥的时代，使用机器学习领域的自学习算法 ，可以将数据转换为知识。借助近些年来开发的众多开源库，我们迎来了进入机器学习领域最好的时代
C++ 变化太大！该重新学习这门语言了
C++ 依然非常重要，而且将会永远如此。
真正的黑盒测试自动化：用机器人测试移动应用程序
Axiz是用于移动应用的机器人测试生成器。在这篇文章中，作者将他们的测试方法与基于模拟的自动化测试进行比较，描述了一些使用机器人测试能从中获益（甚至是必须使用机器人测试）的场景，并展示了如何使用Axiz对流行的Google计算器应用进行测试。
研究综述 | AI - 自动化机器学习
近年来，机器学习在各个领域都有着巨大的贡献，然而一个高效的机器学习算法往往依赖于人类指导。随着机器学习算法越来越复杂，可选择的算法及过程数量越来越多，为了节约时间及人力成本以及提高精度，自动化机器学习（autoML）孕育而生。
自然语言处理实战之卷积神经网络怎么搞？
为什么在NLP分类任务中选择CNN呢?
京公网安备 11010502039052号 | 产品资质
