领域热文
机器学习
机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。
-
有这么一句话在业界广泛流传：数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已。那特征工程到底是什么呢？顾名思义，其本质是一项工程活动，目的是最大限度地从原始数据中提取特征以供算法和模型使用。 定义及意义 定义 特征工程（Feature Engineering）特征工程是将原始数据转化成更好的表达问题本质的特征的过程，使得将这些特征运用到预测模型中能提高对不可见数据的模型预测精度。 …
-
Google机器学习速成课程，这个资源涵盖了谷歌机器学习速成课程（中文版）的所有内容。学习了 Google机器学习速成课程可以算作学习了机器学习功夫的招式。文末附带资源免费下载哦!
-
机器学习课程全网资源汇总，持续更新！
计算机视觉
计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。这里所指的信息指Shannon定义的，可以用来帮助做一个“决定”的信息。因为感知可以看作是从感官信号中提 取信息，所以计算机视觉也可以看作是研究如何使人工系统从图像或多维数据中“感知”的科学。
-
原文链接：【计算机视觉】计算机视觉入门大全：基础概念、运行原理、应用案例详解 (qq.com) 作者：选自 tryolabs，机器之心编译 这是一篇计算机视觉入门指南，从概念、原理、用例等角度介绍了计算机视觉。 「机器能够模拟人类视觉系统」的幻想已经过时了。自 1960 年代第一批学术论文出现以来，计算机视觉已经走了很远，现代系统已经出现，且它们可以集成到移动应用中。 今天，由于其广泛应用和巨大潜…
-
该分类下没有文章
-
目的 工作四年以来，在广告算法的机制策略领域工作也有很长一段时间的积累和沉淀。因此，希望借助输出一些成体系的文档，将自己的对广告算法的认知沉淀下来，也希望能与其他相关从业者一起交流与讨论。 千里之行，始于足下。不预不立。因此，在此先整理出广告策略机制的提纲脉络，以便于后续分层铺开。 广告系统的设计 广告中的核心关系 广告系统可以类比为买卖双方的市场，核心关系是三方：广告主、媒体和平台。广告主是买方…
-
本文总结了近些年被广泛接受的推荐算法，主要包括以下四种主流的推荐算法：协同过滤推荐、基于内容推荐、基于知识推荐、以及混合推荐。下面将分别介绍这四种方法的基本理论框架。 协同过滤推荐 协同过滤推荐的原理 协同过滤推荐的主要思想是，利用已有用户群过去的行为预测当前用户最可能喜欢哪些物品。 协同过滤推荐的输入与输出 输入：“用户-物品”评分矩阵 输出：一种是用户对某个物品喜欢或不喜欢程度的预测数值；另一…