京東資料團隊曾經出了一片關於對話系統的論文《A Survey on Dialogue Systems:Recent Advances and New Frontiers（智慧對話系統調查：前沿與進展）》，全文引

對於本次基於卷積神經網路識別驗證碼有著非常大的興趣，所以嘗試性地去做了測試，過程當中踩了不少坑，也參考了許多前輩的部落格和教程，最終識別率可達到98.25% 一、下圖是訓練的過程：

1.向量介紹 計算機程式主要執行在記憶體中，而記憶體在邏輯上可以被看做是連續的地址。為了充分利用這一特性，在主流的程式語言中都存在一種底層的被稱為陣列(Array) 的資料結構與之對應。在使用陣列

上一篇文章介紹了 Google 最新的BERT (Bidirectional Encoder Representations from Transformers) ，這個模型在 11 個 NL

本文將介紹一門叫作 Web High Level Shading Language（WHLSL，發音為“whistle”）的新 Web 圖形著色語言。它對 HLSL 進行了擴充套件，變得更安全、更可靠。 背

關於作者： 肖涵博士，bert-as-service 作者。現為騰訊 AI Lab 高階科學家、德中人工智慧協會主席。 肖涵的 Fashion-MNIST 資料集已成為機器學習基準集，在 Githu

polyva() 多項式計算在理工科教學、科研中有著特殊地位和意義。matlab 作為重要的工程計算軟體也給出了相應的計算指令來完成這一工作。其中就有多項式求值 polyval 函式，其呼叫格式為： y

用一個模型就能實現所有型別的風格轉換！一個名為Arbitrary Image Stylization in the Browser的專案最近火起來。 作者是日本小哥Reiichiro Nakano，他用 Tens

資料降維 分類 PCA(主成分分析降維) 相關係數降維 PCA 降維(不常用) 實現思路 對資料進行 標準化

資料是機器學習模型的生命燃料。對於特定的問題，總有很多機器學習技術可供選擇，但如果沒有很多好的資料，問題將不能很好的解決。資料通常是大部分機器學習應用程式中效能提升背後的驅動因素。 有時，資料可能

精選 6 篇來自 EMNLP 2018、COLING 2018、ISWC 2018 和 IJCAI 2018 的知識圖譜相關工作，帶你快速瞭解知識圖譜領域最新研究進展。 EMNLP 2018

author:山鬼 有點爛，所以先看掘金的吧 5000字，帶你瞭解動畫與互動的基本實現 很多內容寫的比較粗略，所以還望大家不要太過吐槽，後續我會給完善的。 1. 空間與轉換 當圖形被繪製在螢幕上

二、資料準備 作者： Chris Albon 譯者： 飛龍 協議： CC BY-NC-SA 4.0 從字典載入特徵 from sklearn.feature_extraction

一、向量、矩陣和陣列 作者：Chris Albon 譯者：飛龍 協議：CC BY-NC

自門頭溝事件以來，中心化交易所屢屢出現安全問題，造成大量金錢丟失，由於區塊鏈技術的去中心化特徵，去中心化交易所大勢所趨，被認為更加安全。 Snark 是以太坊下一個側鏈解決方案，由以太坊研究者 Barry