2 天前 / cxc_xinconan
本文为来自 教育 - 智能学习 - 前端团队 成员的文章，已授权 ELab 发布。 智能学习前端团队 自创立以来，团队专注于打破大众对教育的刻板印象，突破固有的教学思维，攻破各类教学屏障。旨在为每一位学生制定最合适的学习方案，予以因材施教，使优质教育随 "触" 可达。 前言学习 nlp 的过程，就像升级打怪，每一个阶段都是一个坎，要想出新手村，需要跨过这几个坎 level 1、了解 nlp 的概念 和 能做的边界 level 2、会用一个已有的模型 level 3、学会微调一个自己业务专属的模型 level 4、定义一个全新的模型之前有分享过 前端工程师如何快速使用一个 NLP 模...
11 天前 / hyper0x
作者｜ShashankPrasanna 翻译｜胡燕君 此刻，你应该是在电脑或手机上看这篇文章。不管怎样，这些机器都属于现代计算机，它们都有中央处理器（CPU）和其他为特定功能服务的专用芯片，例如显卡、声卡、网卡、传感器融合等。处理特定任务时，专用处理器往往比通用 CPU 更快更高效。计算机发展早期，CPU 都会和专用处理器配合使用。1970 年代的 8 位和 16 位 CPU 需要依赖软件来模拟浮点指令，因此执行浮点运算非常慢。
23 天前 / 捉虫大师
hello 大家好呀，我是小楼。 上周参加了一个区的程序员技能比赛的初赛，其实就是算法比赛，虽然最后结果是过了初赛，但过程真是一言难尽啊。 这次的算法比赛和 ACM 非常类似，虽然我大学是数学专业，虽然大学也修过 ACM 这门课，但是我的算法是真的不行，很菜很菜的那种。 好在这次比赛是组（抱大腿）队模式，3 人一组，3 个小时时间，一共 7 道算法题，1 入门，2 简单，2 中等，2 困难。 10 分钟写出入门题，但。..由于我知道我比较菜，所以比赛一开始，我就挑了一个看起来最简单的题目做，难题交给队友。
24 天前 / hyper0x
转载于：作者：james_aka_yale 大家好，我是小 z 在机器学习领域，有种说法叫做“世上没有免费的午餐”，简而言之，它是指没有任何一种算法能在每个问题上都能有最好的效果，这个理论在监督学习方面体现得尤为重要。 举个例子来说，你不能说神经网络永远比决策树好，反之亦然。模型运行被许多因素左右，例如数据集的大小和结构。 因此，你应该根据你的问题尝试许多不同的算法，同时使用数据测试集来评估性能并选出最优项。 当然，你尝试的算法必须和你的问题相切合，其中的门道便是机器学习的主要任务。
26 天前 / 冷星1024
点击上方前端阳光，关注公众号 回复加群，加入技术交流群交流群 前言 Vue 中的 key 是用来做什么的？为什么不推荐使用 index 作为 key？常常听说这样的问题，本篇文章带你从原理来一探究竟。 示例以这样一个列表为例： 1 2 那么它的vnode也就是虚拟 dom 节点大概是这样的。 { tag:'ul', children:[ {tag:'li',children:[{vnode:{text:'1'}}]}, {tag:'li',children:[{vnode:{text:'2'}}]}, ] } 假设更新以后，我们把子节点的顺序调换了一下： { tag:'ul', children:[ +{tag:'li',children:[{vnode:{text:'2'}}]}, +{tag:'li',children:[{vnode:{text:'1'}}]...
26 天前 / 美团技术团队
总第 532 篇 2022 年 第 049 篇 美团数据库平台研发组，面临日益急迫的数据库异常发现需求，为了更加快速、智能地发现、定位和止损，我们开发了基于 AI 算法的数据库异常检测服务。本文从特征分析、算法选型、模型训练与实时检测等维度介绍了我们的一些实践和思考，希望为从事相关工作的同学带来一些启发或者帮助。1. 背景 2. 特征分析 2.1 找出数据的变化规律 3. 算法选型 3.1 分布规律与算法选择 3.2 案例样本建模 4. 模型训练与实时检测 4.1 数据流转过程 4.2 异常检测过程 5. 产品运营 6. 未来展望 7. 附录 7.1 绝对中位差 7.2 箱形图 7.3 极值理论 1...
42 天前 / hyper0x
来源：图灵人工智能 人工智能与机器学习： 算法基础和哲学观点 克劳斯·迈因策尔 原刊于《上海师范大学学报 ( 哲学社会科学版)》2018 年第 3 期摘要：图灵将人工智能简化为具有形式逻辑、自动证明和计算能力的符号处理系统。但是人类智能与语言理解有关。文章提出一个可以在自然界和技术上实现的关于智能度的工作定义来替代图灵测试关于机器智能的定义。自然智能在具有不同程度复杂性的神经系统和大脑的自然进化中出现。人工智能是在技术发明中发展起来的，依赖于传统图灵机计算机能力的指数增长。
44 天前 / cxc_xinconan
React 是基于 vdom 的前端框架，组件 render 产生 vdom，然后渲染器把 vdom 渲染出来。 state 更新的时候，组件会重新 render，产生新的 vdom，在浏览器平台下，为了减少 dom 的创建，React 会对两次的 render 结果做 diff，尽量复用 dom，提高性能。 diff 算法是前端框架中比较复杂的部分，代码比较多，但今天我们不上代码，只看图来理解它。 首先，我们先过一下 react 的 fiber 架构： Fiber 架构 React 是通过 jsx 描述页面结构的： functionProfile(){ return {[user.firstName,user.lastName].join("")} } 经过 babel 等的编译会变成 render function...
64 天前 / 北鱼扶摇
点击卡片，关注，置顶公众号 技术干货，及时送达！ 一、摘要本文以 MySQL 数据库为研究对象，讨论与数据库索引相关的一些话题。特别需要说明的是，MySQL 支持诸多存储引擎，而各种存储引擎对索引的支持也各不相同，因此 MySQL 数据库支持多种索引类型，如 BTree 索引，哈希索引，全文索引等等。为了避免混乱，本文将只关注于 BTree 索引，因为这是平常使用 MySQL 时主要打交道的索引，至于哈希索引和全文索引本文暂不讨论。 文章主要内容分为三个部分。 第一部分主要从数据结构及算法理论层面讨论 MySQL 数据库索引的数理基础。
75 天前 / Aceyclee～
上周，商汤科技高级研究员 John Xu 在绝世高手技术分享课中围绕「商汤绝影如何建立汽车智能平台朋友圈」主题内容与大家进行分享，从车载平台部署挑战、SensePPL 的核心能力和实际应用几个方面切入，深入介绍了 SensePPL 如何应对车载智能平台部署的复杂难题。 以下为本次公开课的内容总结： 挑战：车载智能平台部署难点几何？ 随着智能驾驶应用场景的不断拓展，不同安全等级的解决方案在算力需求上存在较大的差异，车载智能平台也呈现百家争鸣的态势。
77 天前 / heart
实现关键点 1. 点在多边形的边上前面我们讲到，射线法的主要思路就是计算射线穿越多边形边界的次数。那么对于点在多边形的边上这种特殊情况，射线出发的这一次，是否应该算作穿越呢？ 思路： 先求边和点的交点， 即边的起点 y 乘以边斜率，得到交点的 x， 若 x == X， X 是参考点的横坐标，则点在线上。 2. 点和多边形的顶点重合 思路：参考点与边顶点重合，则直接是 x == X && y == Y ，其中 x,y 是边顶点， X,Y 是参考点， 则直接返回。 3. 射线经过多边形顶点 思路：这时相交点次数无论内外都是偶数次，无法判断。
78 天前 / hyper0x
作者：黄雨龙，中国科学技术大学 一、赛题数据 赛题背景本赛题是一个多分类的数据挖掘问题。赛题以医疗数据挖掘为背景，要求选手使用提供的心跳信号传感器数据训练模型并完成不同心跳信号的分类的任务。 实践地址：https://tianchi.aliyun.com/competition/entrance/531883/information 赛题介绍 任务：赛题以预测心电图心跳信号类别为任务数据集：10 万条作为训练集；2 万条作为测试集 A；2 万条作为测试集 B；对心跳信号类别（label）信息进行脱敏。
80 天前 / Yourtion
淘宝官价平台“有好价”产品主打的就是实时更新全最低价的好物，能在第时间给户展示低价的同款商品。 业务背景 随着电商的快速发展，“货三家”已经成为了众的常，但琳琅满的商品给价增添了不少负担，且每个购物平台的优惠规则也不相同。为了能够让户实时发现最新低价，同款识别成为了破局的关键，并且只有完全相同的商品（sku 维度相同）才有价的意义。淘宝官价平台“有好价”产品主打的就是实时更新全最低价的好物，能在第时间给户展示低价的同款商品。
83 天前 / zlt2000
点击上方“陶陶技术笔记”关注我 回复“资料”获取作者整理的大量学习资料！ 一、说明 本文分享基于 Fate 使用 横向联邦 神经网络算法 对 多分类 的数据进行 模型训练，并使用该模型对数据进行 多分类预测。 二分类算法：是指待预测的 label 标签的取值只有两种；直白来讲就是每个实例的可能类别只有两种 (0 或者 1)，例如性别只有 「男」 或者 「女」；此时的分类算法其实是在构建一个分类线将数据划分为两个类别。多分类算法：是指待预测的 label 标签的取值可能有多种情况，例如个人爱好可能有 「篮球」、「足球」、「电影」 等等多种类型。
86 天前 / rainNight
分布式系统的模型为了更容易理解分布式系统，我们先来构建一个模型。 武当派因为人口增长变成 11 个办事处分散在地图各地； 办事处之间的通信只能依靠信鸽； 一只信鸽可能无法完全覆盖所有办事处，需要有中继村落代为传输消息。 太极拳大会的举办权不仅会为武当派带来巨大收益同时也会为办事处带来很多好处，为了产生合理的举办者，人们约定了几条规则： 大会举办权从 A 和 B 两个办事处中产生，他们每一届都是候选； 投票时所有办事处仅能投 A 或 B； 用投票的方式产生举办者，少数服从多数。