智慧規劃，一觸即發 五名來自陝西公司的網路規劃工作一線的創客，他們關注科技前沿，期望利用人工智慧技術，將複雜的網路規劃經驗固化到軟體平臺上，以此提升網路規劃效率，為規劃工程師提供一個

全球領先的智慧光學字元識別（OCR）產品與服務解決方案提供商泰比（ABBYY）於近期正式釋出新一代ABBYY FineReader Engine 12軟體開發工具包（SDK），優化了多項功能，並使文字識別、PD

搜狗搜尋引入了諸多前沿技術用於解決資訊檢索中的語義匹配問題，本文將重點介紹IR-transformer模型和IRGAN強化學習訓練框架。我們的研究結果顯示，由於IR-Transformer模型使用的mu

機器之心 翻譯 2018/10/25 15:14 路 張倩 王淑婷 編譯 業界 | 智

為了應對宇宙資料即將出現的指數級增長趨勢，天體物理學家也開始將目光投向機器學習。 Kevin Schawinski的問題 2007年，他在牛津大學擔任天體物理學家，努力

1、啤酒和尿布 全球零售業巨頭沃爾瑪在對消費者購物行為分析時發現，男性顧客在購買嬰兒尿片時，常常會順便搭配幾瓶啤酒來犒勞自己，於是嘗試推出了將啤酒和尿布擺在一起的促銷手段。 沒想到這個舉措居然

導論：保護資料隱私的需求 一直以來，機器學習模型尤其是深度學習模型的成功往往建立在大規模資料的基礎之上。然而在現實生活中，並不是所有的資料都適合被直接被拿來訓練。比方說醫療與金融這類敏感應用，相當一部分

(本文所使用的Python庫和版本號: Python 3.6, Numpy 1.14, scikit-learn 0.19, matplotlib 2.2，opencv-python 3.4.2) 有兩個重

(本文所使用的Python庫和版本號: Python 3.6, Numpy 1.14, scikit-learn 0.19, matplotlib 2.2 ) 對於影象的特徵點，前面我們討論過邊緣檢測方法，

基於深度學習的現代計算機視覺模型，其效能主要取決於的大量已標註的可用訓練資料集，例如 Open Images 資料集。然而，如何獲得高質量的訓練資料，成為計算機視覺發展的主要瓶頸。如在無人駕駛、機器人

本文大約 3800 字，閱讀大約需要 8 分鐘 要說最近幾年在深度學習領域最火的莫過於生成對抗網路，即 Generative Adversarial Networks(GANs)了。它是 Ian Goodf

本文大約 3800 字，閱讀大約需要 8 分鐘 要說最近幾年在深度學習領域最火的莫過於生成對抗網路，即 Generative Adversarial Networks(GANs)了。它是 Ian Goodf

(本文所使用的Python庫和版本號: Python 3.6, Numpy 1.14, scikit-learn 0.19, matplotlib 2.2 ) 影象中的特徵點，就是某一幅影象區別於其他影象的

(本文所使用的Python庫和版本號: Python 3.6, Numpy 1.14, scikit-learn 0.19, matplotlib 2.2 ) 角點檢測演算法大致有三類：基於灰度影象的角點檢

泰坦尼克號資料集，是kaggle（Titanic: Machine Learning from Disaster）上入門機器學習（ML）的一個好的可選資料集，當然，也是不錯的練習資料分析的資料集。對 pytho