博客水木

学习卡尔曼滤波看了4天的文章,硬是没看懂.后来找到了下面的文章一下就看懂了. 我对卡尔曼滤波的理解, 我认为,卡尔曼滤波就是把统计学应用到了滤波算法上. 算法的核心思想是,根据当前的仪器”测量值” 和上一刻的 “预测量” 和 “误差”,计算得到当前的最优量.   再 预测下一刻的量,  ...继续阅读

Tengine简介 Tengine是由淘宝网发起的Web服务器项目。它在Nginx的基础上，针对大访问量网站的需求，添加了很多高级功能和特性。Tengine的性能和稳定性已经在大型的网站如淘宝网，天猫商城等得到了很好的检验。它的最终目标是打造一个高效、稳定、安全、易用的Web平台。 Tengine使用：http://tengine.taobao.org/ tengine...继续阅读

虽然这篇是一看就懂的教程，但是仍然建议你有一些先修知识： 具有基本的数学素养：微积分，线性代数，统计学 具有简单的编程基础：了解一点Git和Github的知识，简单的Python知识 如果不具备以上条件的话，可以从以下一些入手: 网上有哪些学习微积分的好网站？ 3Blue1Brown的线性代数和微积分视频 文科生想自学一点统计...继续阅读

数学是打开科学大门的钥匙。——培根 数学基础知识蕴含着处理智能问题的基本思想与方法，也是理解复杂算法的必备要素。今天的种种人工智能技术归根到底都建立在数学模型之上，要了解人工智能，首先要掌握必备的数学基础知识，具体来说包括： 线性代数：如何将研究对象形式化？ 概率论：如何描述统计规律？ 数理统计：如...继续阅读

1. 决策树 根据一些 feature 进行分类，每个节点提一个问题，通过判断，将数据分为两类，再继续提问。这些问题是根据已有数据学习出来的，再投入新数据的时候，就可以根据这棵树上的问题，将数据划分到合适的叶子上。 如果你觉得这篇文章看起来稍微还有些吃力，或者想要更系统地学习人工智能，那么推荐你去看床长人工智...继续阅读

一、推荐系统结构 尽管不同的网站使用不同的推荐系统，但是总的来说，几乎所有的推荐系统的结构都是类似的，都由线上和线下两部分组成。线下部分包括后台的日志系统和推荐算法系统，线上部分就是我们看到的前台页面展示。线下部分通过学习用户资料和行为日志建立模型，在新的上下文背景之下，计算相应的推荐内容，呈现于...继续阅读

本文主要阐述： 推荐系统的3个W 推荐系统的结构 推荐引擎算法 浏览后四章的内容请见下篇。 1. 推荐系统的3个W 1.1 是什么(What is it？) 推荐系统就是根据用户的历史行为、社交关系、兴趣点、所处上下文环境等信息去判断用户当前需要或感兴趣的物品/服务的一类应用。 1.2 为什么(Why is that？) 为什么我们要用到推...继续阅读

本文主要阐述： 推荐系统的评估（Evaluation） 推荐系统的冷启动问题（Cold Start） 推荐系统实战（Actual Combat） 推荐系统案例（Case Study） 浏览前三章的内容请见上篇。 4. 推荐系统的评估（Evaluation） 如何判断推荐系统的优劣？这是推荐系统评测需要解决的首要问题。一个完整的推荐系统一般存在3个参与方...继续阅读

2013年，Google开源了一款用于词向量计算的工具——word2vec，引起了工业界和学术界的关注。首先，word2vec可以在百万数量级的词典和上亿的数据集上进行高效地训练；其次，该工具得到的训练结果——词向量（word embedding），可以很好地度量词与词之间的相似性。随着深度学习（Deep Learning）在自然语言处理中应用的普...继续阅读

*排名不分先后。收集不全，欢迎留言完善。   中国大陆地区： 腾讯人工智能实验室（Tencent AI Lab） https://ai.tencent.com/ailab/nlp/ 苏州大学自然语言处理实验室 http://nlp.suda.edu.cn/ 苏州大学人类语言技术研究所 http://hlt.suda.edu.cn/ 微软亚洲研究院自然语言计算组 Natural Language Computing (NLC)...继续阅读