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

概述 電商場景中，賣家為獲取流量，常常出現重複鋪貨現象，當用戶釋出上傳影象或視訊時，在客戶端進行影象特徵提取和指紋生成，再將其上傳至雲端指紋庫對比後，找出相似圖片，杜絕重複鋪貨造成

編者按：在我們的生活中，用語音查詢天氣，用必應搜尋資訊，這些常見的場景都離不開一種應用廣泛的資料儲存方式——表格（table）。如果讓表格更智慧一些，將是怎麼樣的呢？在這篇文章中，微軟亞洲研究院自然語言計算組

在機器學習中，尋找資料集也是非常重要的一步。質量高或者相關性高的資料集對模型的訓練是非常有幫助的。 那麼用於機器學習的開放資料集有哪些呢？文摘菌給大家推薦一份高質量的資料集，這些

(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 ) 影象中各種形狀的檢測時計算機視覺領域中非常常見

在當下迭代飛快的網際網路環境下， 效能優劣 至關重要，差的效能足以摧毀一個好的網站。 具體到 Web 站點的效能優化，其實後臺優化的技術已經比較成熟——比如資料庫的優化、後臺程式碼的優化等等。成熟到什麼