在机器学习中，我们会得到比较高维的特征向量，而这里面往往包含很多的噪声与冗余数据，所以我们需要通过降维的方式去获取特征更加有效的信息，一来提高特征表达能力，二来提高模型训练的效率。

如果你刚刚开始使用数据可视化，没有艺术或图形设计经验，或者不想编码，而想立即开始制作图形或地图，那么本文就是为你准备。

数学世界中有很多猜想，比如哥德巴赫猜想、黎曼猜想，有些问题已经困扰了全人类几百年。
有位华人数学家黄皓宣布，他证明了一个困扰计算机理论界30年的猜想，而且只用了两页纸。

我们在训练模型的过程中，会经常进行数据采样，为了就是让我们的模型可以更好的去学习数据的特征，从而让效果更佳。但这是比较浅层的理解，更本质上，数据采样就是对随机现象的模拟，根据给定的概率分布从而模拟一个

谷歌近日发布了一款专为移动 GPU 推理量身定制的轻量级人脸检测器——亚毫秒级的人脸检测算法 Blaze Face。

大众的模型结构咱们不讲，今天从卷积方式，通道变化，拓扑结构等各方面给大家介绍几个模型，立志于在这个方向发文章的同学，可要看仔细了。

在未经处理数据的情况下，我们应该如何为机器学习的概念建立原型并加以验证呢？在资源匮乏的情况下，我们应如何有效地获取并用数据创造价值？本文分享7个小技巧，能帮助你在用小数据集建立原型时改善成果。

60行代码徒手实现深度神经网络

文章发布于公号【数智物语】 （ID：decision_engine），关注公号不错过每一篇干货。原标题 | An ...

2018年全球机器人市场规模达到298.2亿美元。其中，工业机器人为168.2亿美元，服务机器人为92.5亿美元，特种机器人为37.5亿美元。各国纷纷将其列为国家重要的战略布局，我国也将机器人纳入“中

文章发布于公号【数智物语】 （ID：decision_engine），关注公号不错过每一篇干货。来源 | 算法与数...

今年是中国人工智能四十年，在这四十年间发生了很多事情，听听张正友博士讲一讲计算机视觉的前世、今生和可能的未来。

Spark 是大数据领域目前最流行的计算框架，本文用丰富和简单易懂的范例，带你了解 Spark 的基本原理，可以作为新手的 demo 参考。

情感分析可以自动地将非结构化信息转换为关于产品、服务、品牌，或任何人们可以表达意见的话题的公众意见的结构化数据。这些数据对于营销分析，公共关系，产品评论，网络发起人评分，产品反馈和客户服务等商业应用非

本文解释了如何从一个非常简单的函数Y = X开始创建一个完整的人工神经网络。并探讨了权重和偏差在数学形式和神经元的图形形式间一一对应的关系。

在选用评价指标时，需要考虑数据中是否有0，数据的分布如何，是否存在极端值，得到的指标是否依赖于量纲。

视觉美学质量是视觉感知美的一种度量。图像的视觉美学质量衡量了在人类眼中一幅图像的视觉吸引力。计算美学探索如何用可计算技术来预测人类对视觉刺激产生的情绪反应，使计算机模仿人类的审美过程，从而用可计算方法

​有经验的算法工程师肯定非常清楚，在一个模型的开发周期中，占工作量大头的其实是特征工程和模型评估及上线的过程。在机器学习平台已经非常成熟的现在，模型结构的实现和调整反而仅仅是几行代码的事情。所以如果能

基于内容的推荐算法是根据用户的历史行为，获得用户的兴趣偏好，为用户推荐跟他的兴趣偏好相似的标的物，这是一种可行的推荐产品实现方案。

在数据科学活动的不同阶段，有很多可用的支持工具和技术。41款实用工具，为你一网打尽数据获取、清洗、管理、建模、模拟和数据可视化。