前言 黑客在攻擊過程中或者對目標網路實施控制時經常使用域名。我們在做流量分析時不僅要通過流量的指紋特徵識別威脅，也可以通過檢測是否解析了惡意域名來判斷網路中是否存在肉雞。 不直接用威脅情報

將機器學習的方法推廣到新問題仍然存在著不小的挑戰，其中最嚴峻的問題之一，就是人工提取特徵的複雜性和高時間耗費性，本文就將帶你瞭解自動化特徵提取方法。 機器學習演算法面臨的最大技術障礙就是它們

CSDN 出品的《2018-2019 中國人工智慧產業路線圖》V2.0 版即將重磅面世！ V1.0 版釋出以來，我們有幸得到了諸多讀者朋友及行業專家的鼎力支援，在此表示由衷感謝。此次 V2.0 版

作者：Joyce Xu 編譯：Bing 強化學習中很多重要的難題都圍繞著兩個問題：我們應該如何高效地與環境互動？如何從經驗中高效學習？在這篇文章中，我想對最近的深度強化學習研究做一些調查，找到

目前在研究Automated Machine Learning,其中有一個子領域是實現網路超引數自動化搜尋，而常見的搜尋方法有Grid Search、Random Search以及貝葉斯優化搜尋。前兩者很好理解

【獵雲網（微信號：）】10月28日報道（編譯：福爾摩望） Paperspace希望能夠利用由GPU和其他強大晶片支援的軟硬體開發平臺，來幫助開發人員構建人工智慧和機器學習應用。今天，這家Y

從頭開始編寫機器學習演算法是一種非常有益的學習體驗。 我們在此過程中強調了6個步驟。 有些演算法比其他演算法更復雜，所以從一些簡單的演算法開始，從一些非常簡單的演算法開始，比如單層感知器。 我

為了在吸引大家關注的 5G 網路和物聯網等裝置上實現邊緣計算（靠近資料來源頭一側的運算），需要在微型裝置上部署最夠多的計算力。 為實現這一想法，未來努力的方向將會是利用人工智慧（AI）計算技術——

智東西（公眾號： zhidxcom） 編 | 智東西內參 自20世紀下半葉，計算機視覺技術逐漸地發展壯大。同時，伴隨著數字影象相關的軟硬體技術在人們生活中的廣泛使用，數字影象已經成為當

本文大約 600 字， 閱讀大約需要 2 分鐘 吳恩達老師在上個月底宣佈終於完成了他最新的書籍《Machine Learning Yearning》的最後幾個章節： 而最近這本書也有

隨著AlphaGo和AlphaZero的出現，強化學習相關演算法在這幾年引起了學術界和工業界的重視。最近也翻了很多強化學習的資料，有時間了還是得自己動腦筋整理一下。 強化學習定義 先借用維基百科上對強化

DoNews10月26日訊息（記者 翟繼茹）近些年，環保行業不僅成為關係國計民生的行業，也成為一片藍海市場。其中，由於環境質量多位資料分析挖掘行業門檻高，技術壁壘堅實，國內企業進入環境監測大資料領域的數量極少，高階軟

就神經網路方面而言，ImageNet過於龐大，在計算資源不足的情況下，耗費的執行時間過長，而 CIFAR-10 又太小，有時候無法滿足需求。於是，本文提出一種方法，將從 CIFAR-10 中

通訊網路告警分析面臨巨大挑戰 隨著網路規模的擴大和通訊裝置的增多，網路告警數量也急劇增加。“目前，一個省一個月IPRAN告警數量已經超過190萬條，60%以上為緊急告警，傳統告警處理模式費時費力，效果

王禹衡預計2018年總收入為8350萬元。 文 | 鉛筆道記者 劉小倩 我們在某一平臺搜尋產品後，該平臺會經常向我們推送該類產品，這就是我們常說的DSP精準營銷。 它們大多數在分析使用者與