机器学习

作者：labuladong 公众号：labuladong 若已授权白名单也必须保留以上来源信息 我有预感本文要火，所以先罗列一下我们号的所有算法套路集锦文章： 数据结构和算法学习指南 动态规划框架套路详解 回溯算法框架套路详解 BFS算法框架套路详解 二分搜索框架套路详解 双指针技巧套路汇总 滑动窗口框架套路详解（本文） 目前来说，以上几篇文章属于我们的镇号之宝，一直被其他人模仿，然而从未被超越。🤔 言归正传，鉴于前文 我作了首诗，保你闭着眼睛也能写对二分查找 的那首《二分搜索升天词》很受好评，并在民间广为流传，成为安睡助眠的一剂良方，今天在滑动窗口算法框架中，我再次编写一首小诗来歌颂滑动窗口算法的伟大： 关于双指针的快慢指针和左右指针的用法，可以参见前文 双指针技巧汇总 ， 本文就解决一类最难掌握的双指针技巧：滑动窗口技巧，并总结出一套框架，可以保你闭着眼直接套出答案。 说起滑动窗口算法，很多读者都会头疼。这个算法技巧的思路非常简单，就是维护一个窗口，不断滑动，然后更新答案么。LeetCode 上有起码 10 道运用滑动窗口算法的题目，难度都是中等和困难。该算法的大致逻辑如下： int left = 0 , right = 0 ; while (right < s.size()) { // 增大窗口 window.add(s[right]); right++; while

前 言 对于大多数无人机爱好者来说，能自己从头开始组装一台无人机，之后加入AI算法，能够航拍，可以目标跟踪，是心中的梦想。并且，亲自从零开始完成复杂系统，这是掌握核心技术的必经之路。 基于此，开课吧特邀北京航空航天大学无人机专家，进行设计和指导，独家研发与真实的科学研究和工程开发接轨的课程。软硬件结合，将教你亲自研发无人机，而不是简单的购买一个无人机整机。 课程由北京航空航天大学无人机专家设计和指导，与真实的科学研究和工程开发接轨。有以下六大优势： 那么，直接购买无人机和我们的课程研发无人机的区别在哪里呢？请看下图： 我们的课程并不是简单的拼装课程，更涉及到 飞行器设计、仿真平台搭建和算法实现的整体流程。 我们课程将会 教你无人机的基本组成、飞行原理、控制理论、状态估计、同时定位与建图、运动规划、目标检测追踪与多无人机协同； 从元器件开始搭建一个具有GPS导航和人为规划路线功能的无人机，并搭建无人机仿真平台，在仿真平台上实现各类智能算法的开发与部署。 本课程分为两大板块： ❥ 课程大纲 （仿真环境下无人机SLAM） （ 真实环境下无人机VIO ） （仿真环境下的运动规划） （仿真环境下的多机协同） （仿真环境下的无人机追踪行人） （真实环境下，无人机追踪亮灯） 本课程适合以下人员的学习： 注意： 如果学员是未成年人，家长请做好保护措施和安全教育； 组装飞行无人机有一定的安全隐患

企业转型 一个集热度与难度于一身的话题宠儿 刚刚结束的两会中也多次提及它 但......转型转了这么多年 一顿操作猛如虎 战绩始终0杠5 于是，大家纷纷加入吐槽 企业转型难！ 企业数字化转型难！！ 转型为分析驱动型企业更是难上加难！！！ 转型这么难，还有企业能“上岸”嘛? BUT，安顾做到了！ （图片来自于安顾保险集团官网） 那么，安顾是谁？它是怎样成功转型的？应该分几步推进转型？ 且听小赛慢慢为大家介绍~ 首先，我们先来认识一下这家企业： 安顾保险集团 安顾保险集团 (ERGO Group AG) 是德国和其他国际市场主要保险商之一，拥有40,000多名员工，销售合作伙伴遍布全球，保费总收入达187亿欧元。公司提供各种保险和金融产品，在德国国内市场的客户超过900万（要知道，德国总人口数也不过8000多万人，相当于每9个人中就有1个是安顾的客户）。 那么，为什么安顾要转为分析驱动型企业，难道能让它C位出道？（吃瓜脸） 首先，转型为分析驱动型企业是安顾战略计划的重要组成部分。其次，好处是 可以系统化利用高级分析提取数据中的价值，同时优化整个价值链流程 ，包括：产品设计定价、销售分销、承销、风险管理、客户交互、索赔、服务和运营。 既然分析驱动型企业好处这么多，那么到底怎样才能成功转型呢？听说安顾只用了4步，跟随小赛一起看看吧！ 第一步 培育高级分析技能 为实现“分析驱动型企业

近几天，一股“低代码”的风好像忽然又吹了起来，最让人关注的无外乎钉钉落子低代码，让低代码这个概念又回到了风口浪尖。您一定注意到了，前面的话中有两个“又”。 实际上，低代码的概念已经出现很久，但时而被大众提起，时而被冷落到边缘，起起伏伏好像成为了低代码的常态。 那么，低代码到底是什么？ 它从何而来？ 它到底是不是具备企业应用的价值？ 如果您长期关注Zoho，您一定对低代码开发平台会有一个初步的了解，因为 Zoho Creator低代码开发平台 已经植根这个领域10多年。 既然低代码的风又吹了起来，我们今天就再重新深入了解一次低代码，看看它是不是真的能乘风而起。 低代码的起源 20世纪末期，IBM在计算机硬件领域大杀四方的同时，始终没有将软件开发弃之不顾。1980年，IBM的快速应用程序开发工具（RAD）被冠以新的名称——低代码，由此，低代码的概念首次面向大众。 在近40年的历程中，低代码发展经历了两个阶段： 第一阶段 ：1980-2015年，低代码应用平台市场发展比较迟缓，表现亮眼的平台少之又少。但是，当今低代码领域的领导者产品，诸如Outsystem、Zoho Creator、Mendix等均诞生在这一时期，为以后的低代码发展打下了基础。 第二阶段 ：2015-2018年，低代码市场开始升温。2015年，AWS、Google

企业转型 一个集热度与难度于一身的话题宠儿 刚刚结束的两会中也多次提及它 但......转型转了这么多年 一顿操作猛如虎 战绩始终0杠5 于是，大家纷纷加入吐槽 企业转型难！ 企业数字化转型难！！ 转型为分析驱动型企业更是难上加难！！！ 转型这么难，还有企业能“上岸”嘛? BUT，安顾做到了！ （图片来自于安顾保险集团官网） 那么，安顾是谁？它是怎样成功转型的？应该分几步推进转型？ 且听小赛慢慢为大家介绍~ 首先，我们先来认识一下这家企业： 安顾保险集团 安顾保险集团 (ERGO Group AG) 是德国和其他国际市场主要保险商之一，拥有40,000多名员工，销售合作伙伴遍布全球，保费总收入达187亿欧元。公司提供各种保险和金融产品，在德国国内市场的客户超过900万（要知道，德国总人口数也不过8000多万人，相当于每9个人中就有1个是安顾的客户）。 那么，为什么安顾要转为分析驱动型企业，难道能让它C位出道？（吃瓜脸） 首先，转型为分析驱动型企业是安顾战略计划的重要组成部分。其次，好处是 可以系统化利用高级分析提取数据中的价值，同时优化整个价值链流程 ，包括：产品设计定价、销售分销、承销、风险管理、客户交互、索赔、服务和运营。 既然分析驱动型企业好处这么多，那么到底怎样才能成功转型呢？听说安顾只用了4步，跟随小赛一起看看吧！ 第一步 培育高级分析技能 为实现“分析驱动型企业

一、机器学习书籍 吴恩达深度学习课程： 神经网络和深度学习 链接： https://pan.baidu.com/s/1H1_fB924YcWkIKZI9rP6Cg 提取码：mjej 机器学习_周志华： 链接： https://pan.baidu.com/s/1j55DqrkCNEzLfdWoIOjwDQ 提取码：m0es 机器学习训练秘籍（完整中文版） 链接： https://pan.baidu.com/s/1mcseYd3JvQ7jizXJGmyQsQ 提取码：dfmo Python机器学习经典实例： 链接： https://pan.baidu.com/s/1hHKP4iw_MXHe_aij8lmxdw 提取码：p8dq 《深度学习之TensorFlow： 入门、原理与进阶实战》 链接： https://pan.baidu.com/s/1frVnbD5lilYqWHeWaBkV4g 提取码：c3bs tnesorflow书籍中的代码： 链接： https://pan.baidu.com/s/1o-xMzQoH-Qfci-lZZR2J_w 提取码：drlp 机器学习实践中文版 链接： https://pan.baidu.com/s/12FYjosFEYH1JUK9cJsSHXQ 提取码：v91n Machine Learning in Action (机器学习实战-中文版) 链接：

前言 过年时闲来无事，瞎翻自己的博客，偶然看到之前写的一篇文章： 一篇文章解决机器学习，深度学习入门疑惑 这篇文章原先发布于2018年中旬，那会正是 深度学习、神经网络无脑火热 的时候。火热到什么程度？火热到显卡一度卖脱销(不是因为挖矿)，研究生导师集体推荐学生转深度学习方向、毕业论文不带“深度学习”四个字都毕不了业、大街上随便拉个学生问都认识吴恩达。 就这个火的程度，我那会也毅然决然地踏入了深度学习的大军，开始追星(吴恩达、李宏毅)，开始上课(CS231n、CS229)，开始学习框架(Pytorch、Tensorflow)，开始水论文(逃~)。 不过转眼两年多过去2021年了，现在怎么样了呢？2018年那会知乎热搜已经是“算法岗神仙打架”，2019年是“诸神黄昏”，2020年是“灰飞烟灭”，2021不知道又是啥我也很好奇。不过显而易见的是，大家对人工智能岗位已经抱有谨慎态度，尤其是CV岗。 其实这个现象的原因是，CV在现在处于门槛低，找工作人多，职业少的一个尴尬的位置，一边是大量的学生涌入，一边是不景气的经济环境和日益饱满的就业岗位。自然而然导致相关岗位就业难度达到18层地狱级别。 不过这可不是代表深度学习的浪潮已经过了，只不过大家对深度学习没有之前那么盲目罢了。 最花里胡哨的阶段过去了，漫天吹牛的阶段过去了，现在这个时代，深度学习已经成为了基础设施

前言 通过阅读这篇文章，你将学会用Python创建一个天气警报系统，当它预测未来几小时内天空将下雨/下雪时，它会向多个收件人发送一封电子邮件通知。电子邮件通知包含其他信息，如预测的温度和湿度。 本教程有3个部分: 1.设置 2.实现 3.结果 设置 天气API 我们将使用ClimaCell的天气API来获取预报天气数据。根据您的需要，它提供了相当多的有用和准确的数据。 它涵盖了4周以前的历史站点数据以及15天以前的每日预报数据。此外，你可以很容易地实现它的官方文件提供参考4种不同的计算机语言: JavaScript Ruby Node Python 前往注册和注册一个新帐户。一旦完成，您应该会看到下面的指示板，它概述了计划细节和您的调用活动。 请注意API键，因为我们将在后面的代码中使用它。 邮件配置 我将使用个人Gmail账号通过SMTP给自己发邮件。为了使用它，你需要改变帐户设置的配置，并打开不太安全的应用程序访问。 转到帐户设置，然后点击安全菜单。 打开不太安全的应用访问，如下所示 完成之后，在项目的根目录中创建一个名为config.ini的新文件。它将被用作我们项目的配置文件。将以下代码添加到其中。 [email] email =your_email@gmail.com host =smtp.gmail.com port = 587 password =your

2021年，发展深度学习技术，需要十分重视的就是深度学习框架。 01 深度学习框架受到高度重视 随着技术的不断前进和应用的大规模增长，产业开发者们面临的挑战，也是日渐地突出。而作为人工智能实现跨越发展的重要突破口， 深度学习框架引起了科技界、产业界的高度重视。 在整个人工智能产业版图中，算法框架是连通硬件、软件、应用场景的“枢纽式”存在。 02 合适的深度学习框架十分重要 深度学习的研究方式和过去传统的研究方式大不相同。 在深度学习领域，已经有很多的科研机构和世界一流的院校开发了多种深度学习工具 ，这些学习工具或者说深度学习库在许多领域大显身手。 如计算机视觉、自然语言处理、自动驾驶等。对于研究者来说，选择合适的框架来解决某一方面的问题是十分必要的。 03 深度学习框架，你是时候该学一学了 深度学习框架则提供了进行深度学习的底层架构和接口，以及大量的神经网络模型，可以 减少开发者重复编程的时间和精力，提高深度学习效率，降低应用开发难度。 那么，我们应该如何学习深度学习框架？ 你是否还在纠结学哪个框架？ PyTorch？、还是Tensorflow？、还是Keras？其实，对于这样的问题，基于现在的形势下，你就不要把着眼点放在这些工具的使用上了， 重要的是要知道它的原理。 为了让更多的人从根本性的掌握AI知识，特为你推出 《用纯Python从零创造自己的深度学习框架》

ANSJ 这是一个基于n-Gram+CRF+HMM的中文分词的java实现. 分词速度达到每秒钟大约200万字左右（mac air下测试），准确率能达到96%以上 目前实现了.中文分词. 中文姓名识别 . 用户自定义词典,关键字提取，自动摘要，关键字标记等功能 可以应用到自然语言处理等方面,适用于对分词效果要求高的各种项目. 分词的目的是创建一个高稳定可用的中文分词工具,可以利用到各种需要文字处理的场景中下面简单介绍一下Ansj中文分词的主要算法及特点. 数据结构 高度优化Trie树 在用户自定义词典以及各种类似于Map的场景中,大量使用的一个工具,众所周知,Trie具有高速的文本扫描能力,和较低的内存占用率,是最好的AC机之一,弦外之音,在我的认知范围内,貌似没有之一.相比其它结构在性能和构造上做到了很好的平衡,但是在java中,大量构建map尤其是hashmap,是一个非常昂贵的操作,通过对于一个map放入大量的key也注定其在自动拆箱装箱,以及解决冲突,大量hash匹配上做了过多的小消耗,虽然多数人认为,这种消耗属于纳秒级别的,但是对于动不动就上GB的文本来说,这个消耗是不可忽略的,所以作者在这里使用了首字母hash次字二分的方式来避免过多的消耗内存,也正应为有了这个机制.可以保证Ansj加载更多的用户自定义词典,有人问我具体的数字.大约500万词,1Gde 内存