机器会“看病”?深度学习正在颠覆医学成像!
机器会“看病”?深度学习正在颠覆医学成像! 大家好,我是 Echo_Wish。今天咱聊点跟每个人都息息相关的话题:医学影像。你去医院做 CT、X 光、核磁共振(MRI),最后医生拿着片子分析,说哪里有结节、哪里有炎症。 但是你有没有想过:如果机器也能“看片子”并帮医生发现...
这是一张机器&深度学习代码速查表
随着深度学习的蓬勃发展,越来越多的小伙伴们开始使用python作为主打代码,python有着种类繁多的第三方库,这里为大家从网络上收集了一些代码速查表,希望可以帮您在码代码时提速.基础神经网络线性代数python基础scipy科学计算spark数据保存及可视化numpypandasbokeh画图matplotlibggplot机器学习sklearnkerastensorflow算法数据结构复杂度....
机器之心专访吴恩达,深度学习课程项目Deeplearning.ai正式发布
Deeplearning.ai 课程地址:https://www.coursera.org/specializations/deep-learning今早,吴恩达在 Medium 上发布了一篇博客,宣布 Deeplearning.ai 项目正式启动。同时表示今天发布的项目仅仅是他正在发布的三大项目中的第一个。吴恩达表示:Deepleanring.ai 是一套教育课程,而另外两个项目则有关人工智能....
机器如何“猜你喜欢”?深度学习模型在1688的应用实践
小叽导语:本文主要介绍了Wide&Deep、PNN、DeepFM三个模型以及1688CBU事业部的顾海倩同学提出的Wide&Resnet模型结构,并尝试在1688猜你喜欢的真实数据场景中进行应用。文内有一些实验结果,也提出了一些遇到的问题,希望能与大家一起分享讨论。 一、背景 猜你喜欢是推荐领域极其经典的一个场景,在1688首页无线端猜你喜欢栏目日曝光约23w,其中约72%的...
9月6日云栖精选夜读 | 机器如何“猜你喜欢”?深度学习模型在1688的应用实践
一、背景 猜你喜欢是推荐领域极其经典的一个场景,在1688首页无线端猜你喜欢栏目日曝光约23w,其中约72%的用户会产生点击行为,人均点击约8次。在我们的场景中,这部分是一个相对较大的流量来源。我们算法要做的就是通过用户的真实行为数据,预测用户最可能感兴趣的商品进行展示,以提高点击率,从而提高购买量。 热点热议 机器如何“猜你喜欢”?深度学习模型在1688的应用实践 作者:技术小能手1...
机器如何“猜你喜欢”?深度学习模型在1688的应用实践
一、背景 猜你喜欢是推荐领域极其经典的一个场景,在1688首页无线端猜你喜欢栏目日曝光约23w,其中约72%的用户会产生点击行为,人均点击约8次。在我们的场景中,这部分是一个相对较大的流量来源。我们算法要做的就是通过用户的真实行为数据,预测用户最可能感兴趣的商品进行展示,以提高点击率,从而提高购买量。 不同于搜索,这种用户带有明确目的的行为,猜你喜欢是在用户没有明确目的时让用户“逛起来”,挖掘用....
送你一份机器/深度学习自学指南(附视频&速成方案)
回答这个问题,最先要考虑的问题是:你有多少时间? 准备用三个月入门,和想要一个月速成,肯定是截然不同的路径。当然我建议大家稳扎稳打,至少可以拿出五个月的时间来学好机器学习的基础知识。 基础很重要,知其所以然很重要。毕竟工具总在进步,每个月都会出现更好的深度学习技术,但基础知识是不变的。 如何用五个月时间入门?下面分三个部分,详细指南。(以及,如果你确实时间有限,最后还有一个速成指南) 五个月入门....
机器视觉字符识别中的深度学习技术
光学字符识别(OCR)是工业环境中的重要技术。工业智能相机及机器视觉方案提供商朗锐智科(www.loongv.com)认为,OCR技术在办公室通信中尤为出色。纸张文件(如发票,发货单和其他记录)的扫描可以将其快速转换为数字格式,从中提取相关信息,并将这些数据整合到一个连续的电子信息流中。机器视觉使得可以基于印刷或冲压字符可靠地识别整个价值链中的工件和产品。借助于现代深度学习技术和卷积神经网络(C....
被眼睛欺骗?这正是你比机器高明的地方!深度学习如何处理认知错觉
上下滑动手机屏幕,让这些方块与你的屏幕对齐,你会发现… 这些方块居然是水平排列的! 实际上,这类视觉错觉展示了人类感知世界的特殊方式,也是人类和目前深度学习认知的重要区别。 今天,我们就从这一不同出发,谈谈人类感知世界的机制,并由此畅想机器学习未来的发展方向。 回到上面这张图片,为什么这个错觉如此有效?它为什么能欺骗我们? 在上述的错觉中,你会注意到每一个在条纹上交替出现的浅蓝色和黑色方块的组合....
教机器去感受:表情符号&深度学习
雷锋网(公众号:雷锋网)按:CSDN周建丁责编,聊天机器人Dango是基于神经网络开发的,开发者已经用几百万个范例对神经网络进行训练,让程序更好地理解表情符号的意义。 最近,神经网络成为了解决一系列计算机科学难题的一种选择:Facebook使用神经网络来识别图像中的人脸,谷歌使用它们来识别图像中所有东西。苹果公司使用它们来理解你对Siri说的话,IBM则用来操作业务单元的协同作用。 这太令人印象....
本页面内关键词为智能算法引擎基于机器学习所生成,如有任何问题,可在页面下方点击"联系我们"与我们沟通。
智能引擎技术
AI Online Serving,阿里巴巴集团搜推广算法与工程技术的大本营,大数据深度学习时代的创新主场。
+关注