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。
写给机器学习从业者的 12 条宝贵建议
一位微软的机器学习爱好者，在学习之旅中发现了一位 SIGKDD 创新奖获得者以及国际机器学习协会的联合创始人在实践中总结的若干宝贵的经验和教训。于是，用本文为机器学习的研究者和从业者总结了 12 条经验，这很难在课本或机器学习入门课程中找到，但对成功至关重要。
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。
京公网安备 11010502039052号 | 产品资质
