程序设计学习
收录了 程序设计学习 频道下的 50 篇内容
深度学习利器： TensorFlow 系统架构及高性能程序设计
本文首先回顾了TensorFlow 1.0主要新特性及TensorFlow 2017 Dev Summit的主要议程。并随着TensorFlow新版本的不断发布以及新特性的不断增加，TensorFlow使用更加灵活，运行速度更快，使用方式更产品化，已成为目前主流的深度学习平台之一。 接着介绍了TensorFlow的系统架构，包括Client，Master，Worker，Kernel的相关概念及运行方式，是一种适合大规模分布式训练的机器学习平台。从上述系统架构中可以看到，TensorFlow内核采用C/C++开发，当采用Python API去训练模型的时候，需要不断地用Python调用C/C++底层接口，重复的接口调用一定程度上影响了程序的执行性能。如果有最求高性能运算的朋友，可以尝试用下本文高性能运算章节推荐的方法。
爱奇艺深度学习云平台的实践及优化
本次分享介绍爱奇艺深度学习容器云平台演进和运维时，遇到的问题和应对方案。
《Designing the Requirements》作者访谈
在《Designing the Requirements: Building Applications that the User Wants and Needs》一书中，作者Chris Britton开辟了另外一条从理解需求到交付正确解决方案的道路。
你真的应该再学习一种语言么？
当博客作者Gustavo Duarte 宣称“学习新语言通常都是在浪费时间”时，他的观点受到了很大的争议。他说，“事实上，学习一种新的语言是桩得不偿失的买卖，把大量的精力花费在低价值的任务上，这种时间投资只能获得很少的回报。”但是，并非所有人都同意这种观点。
谈谈基于机器学习的编程到底比传统编程强在哪里？
基于机器学习的编程到底与传统编程有哪些不同呢？顾名思义，机器学习大部分工作是由机器来完成的，而传统编程需要程序员自己根据具体的问题建模解决。除此之外，基于机器学习的编程比传统编程还强在哪里呢？
如何学会所有的编程语言？
语言、框架、工具都只是实现目的的手段，开发者的核心竞争力是学习能力和找到多种实现方案的本事，这就是本篇文章想告诉你的事。
Amazon Sagemaker 端到端的托管机器学习平台
本次分享介绍Amazon Sagemaker端到端的托管机器学习平台。
深入理解 AutoML 和 AutoDL（三）：机器学习的发展
从理论与实践的双重维度，对AutoML和AutoDL的入门知识和进阶知识做了全面介绍。
别怕，就算转型，你也不会从零开始
有不少要转型的程序员找我做咨询，都会说：“做开发时间长了，只会编程，感觉干不了别的工作了。”我一般会问：“真的别的什么工作都干不了吗？
最新 Go 语言学习路线图
2019 年程序员最想学习的编程语言 Go 以 37.2% 的比例排在首位。C位出道的Go语言，自发布以来，就深受明星大厂的喜爱，业界甚至一度看好Go语言有取代Java王者地位的潜力。
《HarmonyOS 基础入门课程合集》
探索未来，掌握先机！HarmonyOS基础课程带您进入华为鸿蒙操作系统的奇妙世界。无论您是新手还是有经验的开发者，以下课程都将为您揭开HarmonyOS的神秘面纱，深入探讨其架构、功能和应用。通过实用的案例和实践项目，您将学会如何利用HarmonyOS构建流畅、智能的应用程序，为未来的技术发展做好准备。加入鸿蒙，开启无限可能！
机器学习的 11 个开源项目
继机器学习与数据挖掘领域的十大经典算法在被提出之后，机器学习领域的十一个用的最多的开源项目也问世了。最近，在InfoWorld上，这十一个开源项目被公布出来，并且收到了广泛的关注。
深度强化学习在游戏研发中的应用
本次分享介绍AI技术的发展对游戏研发带来的影响。
Josh Wills 谈机器学习的生产环境
大数据加快商业化步伐，使互联网行业出现了新岗位与新环境。在2014年6月的Midwest.io会议上，数据科学家Josh Wills做了一场名为“从实验室走向工厂：建设机器学习的生产环境”的主题演讲，意在讨论这种机器学习的工业环境如何实现。
机器学习面临的挑战是工程问题，不是数据科学问题
从数据科学到机器学习工程
极客说｜深度对比：SFT、ReFT、RHLF、RLAIF、DPO、PPO
最近 OpenAI Day2 展示的 demo 可能把 ReFT 带火了，接下来，本文对比 SFT、ReFT、RHLF、DPO、PPO 这几种常见的技术。
程序员的深度学习入门指南
本文根据费良宏在2016QCon全球软件开发大会（上海）上的演讲整理而成。
用 Apache Spark 做大数据处理——第五部分：Spark 机器学习数据流水线
在支持了机器学习数据流水线之后，Apache Spark框架已经全面支持各种功能，包括ETL、批处理分析、流数据分析和机器学习等。在这个关于Apache Spark的系列文章中，作者Srini Penchikala讨论了Spark ML包的内容，和如何用它来创建并管理机器学习数据流水线。
如何利用 Analytic Zoo 优化 MasterCard 推荐 AI 服务？
本文将详细介绍MasterCard基于Analytics Zoo构建通用推荐人工智能服务的用户商品倾向模型的技术实践。
京公网安备 11010502039052号 | 产品资质
