你好,游客 登录
rss订阅 手机访问 
学习算法
阿里资深技术专家总结:要怎样努力才可以成为公司主力架构师
前言:
最近有好多人问我说:“George,怎样才能成为公司里的前线主力架构师,我现在在公式已经干了快五年了,现在还是一个默默无闻的程序员,我也通过很多种渠道来突破我现在瓶疾,但就是走不出来,技术也一直没有突破上去,我真的是没有办法了,通过朋友推荐介绍,说您这里可以解决我的技术瓶疾,所以我想请你帮我突破一下技术方面上的瓶疾。”
你们...
日期:04月01日 作者:
如何为神经机器翻译配置编码器-解码器模型?
编码器-解码器架构的循环神经网络在当前的标准机器翻译基准上实现了最佳的结果,并且也已经在业界的翻译服务核心得到了应用。
日期:04月01日 作者:
DeepMind找到了破解深度学习黑匣子的方法
此前,我们已经对“黑匣子”问题有了初步探讨,发现许多科学家都在努力弄清楚其中的“奥秘”。因为对神经网络深层功能的理解,不仅有助于我们了解其决策机制,同时我们构建更为强大的人工智能系统也至关重要。
日期:03月30日 作者:
一文带你读懂深度学习:AI 认识世界的方式如同小孩
人工智能想要继续发展,也许可以从儿童学习的方法中受益。
日期:03月30日 作者:
为做机器人踩同行? 傅盛:他们是为了攻击而攻击
文/彭丽慧 网易科技
“艰辛而蜕变的2017。”在傅盛眼里,猎豹在过去的一年里,对内的队伍结构发生了巨大变化,同时也承受着外部压力。
而2018年3月21日晚水立方的一跳,让人们把目光聚焦在新发布的五款产品的同时,傅盛对机器人行业、以及友商的“吐槽”,再次把傅盛及猎豹推到了风口浪尖上。但在他看来,一些抨击的同行都是为了攻击而攻击,...
日期:03月29日 作者:
算法在社区氛围的应用(二):深度学习在不友善文本识别中的应用
此前,我们常常收到知友们的反馈说「好烦哦,TA 又不友善了」、「我要举报 XX,TA 在评论区又开始杠上了」、「这种辱骂他人的人,你们都不处理吗?」等等。我们一直鼓励知友们好好说话、认真讨论,对于那些不友善的内容和行为,我们都会坚决处理。为了更快速地处理这些不友善内容,我们的机器人瓦力也在不断升级自己的覆盖范围和识别准确度,希望可以做到真正地「围追堵截」...
日期:03月29日 作者:
快收藏!52个实用的Docker工具集锦
译者介绍
王杰,搜狗QA测试工程师,DockOne.io社区译者。
容器生态系统正以前所未有的速度不断增长和扩大,并且拥有这么多的Docker工具和服务,仅仅了解这些工具有用的选项,你就会感受到任务的艰巨。无论你是初学者还是专家,开发人员或DevOps工程师,SRE或平台架构师,下面的列表都将成为你了解当前业内流行的产品的一份指南,也可以助你充分利用Docker来完善开...
日期:03月29日 作者:
漫天风口,一地泡沫,消费机器人四年跌宕史
雷锋网(公众号:雷锋网)按:本文作者邹大湿,微信公众号zou-dashi。
日期:03月26日 作者:
手把手教你用R语言分析歌词(附代码)
雷锋网按:本文为雷锋字幕组编译的技术博客,原标题Lyric Analysis with NLP & Machine Learning with R,作者为Debbie Liske。
日期:03月26日 作者:
论文最爱的变分自编码器( VAE),不了解一下?
雷锋网(公众号:雷锋网)按:喜欢机器学习和人工智能,却发现埋头苦练枯燥乏味还杀时间?这里是,雷锋字幕组编译的Arxiv Insights专栏,从技术角度出发,带你轻松深度学习。
日期:03月26日 作者:
如何用深度学习将前端设计模型自动转换为代码?

AI 前线导读:在未来的 3 年内,深度学习将改变前端开发,一方面会加快创建原型的速度,另一方面会降低软件开发的难度。
从去年 Tony Beltramelli 发表 pix2code 论文和 Airbnb 推出 sketch2code 后,这一领域才开始崭露头角。
更多干货内容请关注微信公众号“AI 前线”,(ID:ai-fron...
日期:03月23日 作者:
超越谷歌!起底亚马逊站上全球科技公司老二的背后
“从短期看,股市是投票机器,但从长远看,股市是称重机。”
日期:03月23日 作者:
酒、烟草、网络游戏、区块链
雷锋网(公众号:雷锋网)·AI金融评论按:文章来源微信公众号“肖磊看市”,作者:财经博主肖磊,雷锋网经授权转载。
日期:03月23日 作者:
如何降低90%Java垃圾回收时间?以阿里HBase的GC优化实践为例
过去的一年里,我们准备在Ali-HBase上突破这个被普遍认知的痛点,为此进行了深度分析及全面创新的工作,获得了一些比较好的效果。以蚂蚁风控场景为例,HBase的线上young GC时间从120ms减少到15ms,结合阿里巴巴JDK团队提供的利器——AliGC,进一步在实验室压测环境做到了5ms。本文主要介绍我们过去在这方面的一些工作和技术思想。
日期:03月22日 作者:
RLlib简介:一个可组合和可扩展的强化学习计算库
在 之前的文章中,我概述了 强化学习(RL)在工业中的新兴应用。我首先 列举了任何想要应用RL的人面临的挑战,包括对大量数据的需求,以及复制研究结果的难度以及派生出关键任务应用所需的错误估计。就算如此,RL在某些领域的成功一直是媒体广泛报道的主题。这引起了人们的兴趣,公司正在开始探讨我在 之前的文章中描述的一些用例和应用。许多任务和职业, 包括软件开发,都...
日期:03月21日 作者: