为什么Jupyter Notebook会比其他工具更受欢迎?

论智 2018-05-31 09:27 次阅读

对于机器学习和数据科学的入门者来说,“有什么好用的IDE/环境/工具?”是他们提出的最常见的问题之一。这确实也是个不怎么好回答的问题,因为它没有具体选项——从面向特定语言的IDE(如R Studio、PyCharm)到Sublime Text、Atom等编辑器——它们都很优秀,所以如果你有选择恐惧症,你最好读读论智的这篇文章,从Jupyter Notebook开始学起。

如果每个数据科学家都应该使用或必须使用一种工具,毫无疑问,它就是Jupyter Notebook(曾用名iPython Notebook)。Jupyter Notebook是一个交互式笔记本,它功能强大,支持40多种编程语言,可共享,并提供在同一环境中构建可视化应用的服务。

数据科学家可以在上面创建和共享自己的文档,从实现代码到全面报告,Jupyter Notebook大大简化了开发者的工作流程,帮助他们实现更高的生产力和更简单的多人协作。也正是因为如此,它一直以来都是数据科学家们最喜欢的工具之一。

本文将全面介绍笔记本的安装、操作方法,并深入探讨它的特性和优势。当你读完全文后,我们希望你能找到用Jupyter Notebook帮助自己实现机器学习项目的灵感。

1. 什么是Jupyter Notebook?

Jupyter Notebook是一个开源的Web应用程序,旨在方便开发者创建和共享代码文档。

它提供了一个环境,用户可以在里面写代码、运行代码、查看结果,并在其中可视化数据。鉴于这些优点,Jupyter Notebook成了数据科学家眼里的一款人见人爱的工具,它能帮助他们便捷地执行各种端到端任务,如数据清洗、统计建模、构建/训练机器学习模型等。

而对于初学者,Jupyter Notebook也独具魅力。它的一个特色是允许把代码写入独立的cell中,然后单独执行。这样做意味着用户可以在测试项目时单独测试特定代码块,无需从头开始执行代码。虽然其他的IDE环境(如RStudio)也提供了这种功能,但就个人使用情况来看,Jupyter Notebook的单元结构是设计的最好的。

这个笔记本的优势还体现在灵活性和交互性上。Jupyter Notebook支持的编程语言数量高达40余种,除了最基础的Python,它还允许用户在上面运行R语言和SQL等语言。由于它比IDE平台更具交互性,用户也更乐于在各种教程中用它展示代码。

2. 如何安装Jupyter Notebook?

Jupyter Notebook原来也叫iPython Notebook,顾名思义,它和Python关系紧密。如果要在PC上安装笔记本,首先你要确保自己已经安装了Python(2.7/3.3或更高),这是必备条件。

Anaconda

官方在文档中强烈建议新用户用Anaconda打包安装Python和Anaconda——所谓懒人方法,小白必备。其实除了提到的两个工具,Anaconda还包含数据科学和机器学习中经常需要用到的各种软件包,只需下载、解压、安装,所有工具就都一步到位了。

下载地址:https://jupyter.readthedocs.io/en/latest/install.html

pip

如果你很欣赏自己,或者因为某些因素就是不想用Anaconda,你也可以用pip。当然首先,你得确保自己的机器上有pip的最新版本。

#Linux和OSX

pip install -U pip setuptools

#Windows

python -m pip install -U pip setuptools

然后,安装Jupyter Notebook:

#Python2用户看这里

pip install jupyter

#Python3用户不要跑

pip3 install jupyter

如果还是有疑问,请看官方文档(英)、官方文档翻译(中)。

3. 入门

安装完成后,如果要运行Jupyter Notebook,你只需在控制台输入以下命令:

jupyter notebook

你会看到笔记本打开了你的默认浏览器,网址为http:// localhost:8888/tree。

一般情况下,当你输入命令行后,控制台会出现一行“The Jupyter Notebook is running at……”,如果浏览器因为某些原因无法打开,你就需要复制这个URL,手动打开相应网址。

当笔记本打开后,它的顶部有Files、Running和Clusters三个选项。其中Files中列出了所有文件,Running显示了你已经打开的终端和笔记本,Clusters则是IPython parallel提供的。

如果你想新建一个笔记本,单击面板右侧的“New”,它会跳出4个选项:

Python 3

Text File

Folder

Terminal

选择Text File后,你会得到一个空白的页面。它相当于一个文本编辑器(类似于Ubuntu上的应用程序),你可以在上面输入任何字母、单词和数字,所以选择好编程语言后,你是可以在上面写脚本的。此外,它还提供查找和替换文件中的单词的功能。

选择Folder后,你其实是在编辑文件夹列表。你可以创建一个新文件夹,把所需文档放进里面,或者修改它的名称、直接把它删除。

而Terminal的工作方式和Mac、Linux计算机上的Terminal一样,都是在Web浏览器中创建终端支持。只需在终端输入Python,一个Python脚本就写好了。

由于本文重点介绍的是笔记本,下面我们会重点展示新建“Python 3”后的结果:

导入最常见的Python库来启动笔记本,如pandas和numpy。在代码上方的菜单中,那些图标依次表示添加、编辑、剪切、向上移动cell、向下移动cell、运行代码、停止运行和撤销。

这个下拉的列表提供了四个选项:

Code:这个不言自明,就是你写代码的地方;

Markdown:非常常见的轻量级标记语言,用来为代码添加注释和结论;

Raw NBConvert:一个命令行工具,可以把你的笔记本转换成另一种格式,如HTML;

Heading:添加标题,使你的文档看起来更干净整洁,它现在已经变成Markdown里的一个语法,用两个#表示。

4. Jupyter Notebook的魔术命令

作为iPython的继承者,开发人员已经在Jupyter Notebook中加入预定义的魔术命令(magic function)。这是一种增加便捷性和互动性的工具,如果要查看命令列表,你可以输入(注:通常不需要“%”):

%lsmagic

当看到那一串函数列表时,也许你能从中认出几张老面孔,如%clear、%autosave、%debug和%mkdir。只要你以前写过代码,这些函数就几乎是不可避免的。

在Jupyter Notebook中,魔术命令有两种运行方式,一是Line-wise,而是Cell-wise。顾名思义,Line-wise就是当你想执行一个命令行的时候需要用到的,而Cell-wise面向的就不单单是一行了,它作用的是整个cell的代码块。

为了区分两种运行方式,如果是Line-wise,所有命令必须以%字符打头;如果是Cell-wise,则用%%。

Line-wise:

%time a = range(10)

Cell-wise:

%%timeit a = range (10)

min(a)

以上只是两个最简单的示例,你可以试着自己运行这些命令,看看其中有什么区别。

5. 不仅限于Python

之前也提到了,Jupyter Notebook的成功离不开它的灵活性,虽然Python在数据科学和机器学习中都占局主导地位,但对于数据分析任务,其他语言也有各种各样的特色和优势,比如R语言的'ggplot2'软件包就非常好用。在这一点上,Jupyter Notebook的态度是开放的。

如果想在Jupyter Notebook中启用R,你需要先去GitHub上下载'IRKernel'(R的专用kernel),然后按以下8个步骤依次执行(附图解地址):

步骤一:用Anaconda安装Jupyter Notebook;

步骤二:完成下载后,打开Anaconda命令提示符;

步骤三:输入ipython notebook新建ipython笔记本

步骤四:用conda update ipython-notebook这个命令行更新笔记本;

步骤五:输入conda install -c r ipython-notebook r-irkernel安装IRkernel;

步骤六:用R.exe打开R;

步骤七:输入install.packages(c('rzmq','repr','IRkernel','IRdisplay'), repos = 'http://irkernel.github.io/', type = 'source')安装必要软件包;

步骤八:输入IRkernel::installspec()后再输入quit(),完成操作。

如果是Julia用户,你也可以在Jupyter Notebook中“畅所欲言”。考虑到篇幅因素,有需要的读者请前往www.analyticsvidhya.com/blog/2017/10/comprehensive-tutorial-learn-data-science-julia-from-scratch/查看图文攻略。

和R语言一样,JavaScript用户也需要去Github先下载‘IJavascript’ kernel:github.com/n-riesco/ijavascript。文档里已经明确写出了安装kernel所需的步骤,但要注意的是,记得先装Node.js和npm,这是大前提!

6. Jupyter Notebook的交互式控制面板

在添加小部件前,你需要先导入小部件包:

from ipywidgets import widgets

小部件的基本类型是典型的基于输入和按钮的文本输入。你可以参考下面这幅动图,了解交互式小部件的外观:

来源:Dominodatalab

7. 快捷键

既然Jupyter Notebook的主打优势是便捷,那它自然少不了方便操作的快捷键。事实上,当你想运行任意代码块时,只需按下Ctrl + Enter就可以了。

下面是本文挑选的一些实用快捷键,有需要的读者可以视情况逐个阅读+尝试,如果今后你会经常用到Jupyter Notebook,那不会这些组合键的你就几乎已经是条咸鱼了。

Jupyter Notebook提供了两种不同的键盘输入模式——Command和Edit。其中Command模式是将键盘和计算机命令绑定在一起,这时单元框线是灰色的(左侧蓝色粗线)。Edit模式允许你将文本(或代码)键入活动单元,这时单元框线是绿色的。

用Esc和Enter分别在Command和Edit模式之间跳转。

更多快捷键介绍(中文):blog.csdn.net/lawme/article/details/51034543

8. 有用的扩展

添加扩展是提高Jupyter Notebook效率的一种非常有效的方式,那么安装和使用扩展哪家强?这里我们推荐Nbextensions。

先是安装(pip):

pip install jupyter_contrib_nbextensions

安装关联的JavaScript和CSS文件:

jupyter contrib nbextension install --user

完成此操作后,你会在Jupyter Notebook主页顶部看到一个'Nbextensions'选项卡。

如果要启用一个扩展,只需点击来激活。下面是4个比较有用的扩展。

Code prettify:它可以让你的代码更美观。

Printview:生成预览,新增的按钮叫jupyter nbconvert。

Scratchpad:生成一个实验环境(副本)跑代码,不会对笔记本代码造成影响。

Table of Contents (2):抓取所有标题,并显示在浮动窗口中。

此外,小编也曾经写过一篇《Top 5:五大最实用的Jupyter Notebook扩展插件》,介绍了另外5种好用的扩展,有兴趣的读者可以一起看一看。

9. 保存和共享你的笔记本

这是Jupyter Notebook中最重要和最棒的功能之一。有过写博客经历的读者也许知道这种痛,当你一腔热血想把自己的成果分享给别人时,可能代码格式还没转完你就放弃了。大多数笔记本都采用json格式,它不是很适合共享,也不利于在博客中发布不同的单元块。

但Jupyter Notebook不一样,点击进入“file”后,你会看到一个“Download as”:

看到这7个选项后你就很开心了,其中最常用的是.ipynb文件。你也可以用nbconvert选项手动将笔记本转换为不同的格式,如HTML和PDF。

此外,你还可以使用jupyterhub,它允许你在其服务器上托管笔记本并与多个用户共享。许多顶尖的研究项目都把这作为协作方式。

10. JupyterLab

JupyterLab是今年2月推出的一个工具,从某种程度上来说,它是Jupyter Notebook的一个发展——拥有同样的组件,但允许更灵活和更强大的项目工作方式。换句话说,它的用户体验更好。

JupyterLab的特色是允许用户在一个窗口内安排笔记本、终端、文本文件和输出的工作区。你可以把窗口拖到你想要的位置,也可以通过实时预览编辑常用文件格式,如Markdown、CSV和JSON,实时查看项目进展。

11. 实践和技巧

虽然自己钻研很有趣,但无论是学习还是工作,大部分时候你是在一个团队中工作的。在这种情况下,你要规范自己的操作和实践,确保笔记本中的代码和注释都是正确的,方便其他人阅读、理解。以下是一些实践指标,仅供参考:

对每个程序员来说最重要的事:要好好注释!

确保你保存了代码文档。

形成一套命名体系,并在实践中落到实处,方便自己和他人理解。

在刚开始的时候导入所需的库,并在旁边注释导入目的。

确保代码行距合适,你也不想别人因为看不懂你的循环和函数疯掉,对吧?

当代码越来越多时,隐藏不重要代码,确保干净整洁。

此外,当你需要把成果演示给别人看时(是的你又要做该死的PPT了),你是可以偷懒直接在Jupyter Notebook里做演示的。

找到“View”,点开其中的“Cell Toolbar”,然后是“Slideshow”。每个代码块都在右侧显示一个名为“Slide Type”的下拉选项:

具体效果如何,请自己尝试。

结语

写到这里,本文也就已经差不多结束了,虽然在一篇文章内塞进这么多内容可能会影响阅读体验,但我们还是真诚地希望新手能从中找到一些有用的东西。

原文标题:数据科学和机器学习,Jupyter Notebook入门指南

文章出处:【微信号:jqr_AI,微信公众号:论智】欢迎添加关注!文章转载请注明出处。

收藏 人收藏
分享:

评论

相关推荐

机器学习在2019年将如何继续发展

到 2020 年,全球云计算市场将以每年 25% 的速度增长,达到 4100 亿美元以上。企业中对 ....

的头像 传感器技术 发表于 10-22 14:31 54次 阅读
机器学习在2019年将如何继续发展

《深度学习革命》书作者访谈,介绍AI的起源和发展

击败世界围棋冠军的AlphaGo的架构中不仅包括皮质模型,还包括大脑的另一部分模型,称为基底神经节,....

的头像 新智元 发表于 10-22 09:06 109次 阅读
《深度学习革命》书作者访谈,介绍AI的起源和发展

如何了解机器学习?机器学习笔记的详细资料免费下载

1.有监督学习:根据已知的输入和输出,建立联系它们的模型,根据该模型对未知输出的输入进行判断。 1....

发表于 10-22 08:00 14次 阅读
如何了解机器学习?机器学习笔记的详细资料免费下载

一种新颖的基于模型的机器学习方式——model based machine learning

还有很多各式各样的疑问充满了机器学习的历程和工程实践中。但这本书为我们带来了一个对机器视觉的全新视角....

的头像 将门创投 发表于 10-21 10:50 145次 阅读
一种新颖的基于模型的机器学习方式——model based machine learning

下一代的人机交互方式是什么?

清华大学语音和语言技术中心主任、得意音通董事长郑方博士接受 CSDN 采访时表示:“目前在声纹识别这....

的头像 电子发烧友网工程师 发表于 10-21 10:39 486次 阅读
下一代的人机交互方式是什么?

快速交付机器学习项目的经验

由于团队的目标是在测试集上取得较优表现,测试集实质上描述了团队的目标。因此,测试集应当反映产品或业务....

的头像 论智 发表于 10-21 09:16 218次 阅读
快速交付机器学习项目的经验

关于机器学习的三大类型分析

为了把机器学习技术应用于工业,须先了解机器学习分成哪里些种类,有哪里些不同的算法,以及实际应用时有什....

发表于 10-20 08:04 133次 阅读
关于机器学习的三大类型分析

预测性维护是制造业迈向工业4.0的关键要素

制造业在进行数码转型(digital transformation)、迈向工业4.0(Industr....

发表于 10-20 08:00 108次 阅读
预测性维护是制造业迈向工业4.0的关键要素

别太相信IIoT IIoT同样存在数据不完整或不可靠

根据报导,机器学习或数据模拟等技术虽能改善不良数据,但无法解决不良数据源的原始问题。此外,这些解决方....

发表于 10-20 07:23 322次 阅读
别太相信IIoT IIoT同样存在数据不完整或不可靠

人工智能如何应用于用户和网络行为分析

AI在安全方面的角色对白帽黑客和网络罪犯都很有吸引力,但目前似乎还没有找到双方的平衡。

的头像 机器人博览 发表于 10-19 16:20 390次 阅读
人工智能如何应用于用户和网络行为分析

什么是人工智能以及如何使用它

机器学习、自然语言处理和人工智能(AI)都旨在将数据从人们生活中的简单部分转换为认知组件。最终,将会....

的头像 AI人工智能D1net 发表于 10-19 16:07 353次 阅读
什么是人工智能以及如何使用它

理解Batch Normalization中Batch所代表具体含义的知识基础

所谓“Mini-Batch”,是指的从训练数据全集T中随机选择的一个训练数据子集合。假设训练数据集合....

的头像 将门创投 发表于 10-19 09:19 288次 阅读
理解Batch Normalization中Batch所代表具体含义的知识基础

数据科学的完整流程几个组成部分

第二个输出的问题就更大了,因为数据框记录数据的方式存在着问题。JupyterLab有一个内建的终端,....

的头像 电子发烧友网工程师 发表于 10-18 16:58 203次 阅读
数据科学的完整流程几个组成部分

作为一名开发者,你的机器学习之路选对了吗?

杨旭,阿里巴巴资深技术专家。2004年获南开大学数学博士学位;随后在南开大学信息学院从事博士后研究工....

的头像 电子发烧友网工程师 发表于 10-18 14:19 820次 阅读
作为一名开发者,你的机器学习之路选对了吗?

2018年技术主流:AI与机器学习问鼎

自从人工智能(AI)这个术语在1955年由美国达特茅斯学院的人工智能大师John McCarthy....

的头像 人工智能 发表于 10-18 13:43 353次 阅读
2018年技术主流:AI与机器学习问鼎

专访NLP领域的华人新星——加州大学圣巴巴拉分校助理教授王威廉

在 NLP 领域,实体标注等工作的结果都非常好了,基本上都超过 90% 的准确率。现在的一些工作,包....

的头像 电子发烧友网工程师 发表于 10-18 11:39 494次 阅读
专访NLP领域的华人新星——加州大学圣巴巴拉分校助理教授王威廉

AutoML新书:AutoML系统背后的基础知识

传统上,术语AutoML用于描述模型选择和/或超参数优化的自动化方法。这些方法适用于许多类型的算法,....

的头像 新智元 发表于 10-18 09:50 573次 阅读
AutoML新书:AutoML系统背后的基础知识

Jeff Hawkins:要想建立人工智能,必先解释人类智能

他的理论始于皮质柱。所谓皮质柱,指的是大脑皮质的基本功能单位,又称功能柱。它是新皮质的重要组合部分,....

的头像 论智 发表于 10-18 09:38 1365次 阅读
Jeff Hawkins:要想建立人工智能,必先解释人类智能

企业在深度学习与机器学习技能上对人才有哪些要求?

想成为一名合格的机器学习工程师,要学算法还要学工具。每一项掌握起来都需要足够的努力和经验。

的头像 电子发烧友网工程师 发表于 10-18 09:07 423次 阅读
企业在深度学习与机器学习技能上对人才有哪些要求?

HanLP分词器提取关键词的方法介绍

之前我有想过用机器学习的方法来进行词法分析,但是在项目中测试时正确率不够。于是这时候便有了 HanL....

发表于 10-17 15:45 55次 阅读
HanLP分词器提取关键词的方法介绍

NVIDIA推出RAPIDS开源GPU加速平台

HPE、IBM、Oracle、开源社区、创业公司采用RAPIDS,显著提升端到端预测数据分析能力。

的头像 英伟达NVIDIA企业解决方案 发表于 10-17 14:36 270次 阅读
NVIDIA推出RAPIDS开源GPU加速平台

智能音箱成战略重点:谷歌首款带屏音箱Home Hub发布

功能方面,Home Hub加入了Home View功能,可以控制和管理家中所有智能家居设备。谷歌同时....

的头像 人工智能学家 发表于 10-16 16:17 1311次 阅读
智能音箱成战略重点:谷歌首款带屏音箱Home Hub发布

数学推导+纯Python实现机器学习算法

跟上一讲写线性模型一样,在实际动手写之前我们需要理清楚思路。要写一个完整的逻辑回归模型我们需要:s....

的头像 人工智能爱好者社区 发表于 10-16 16:12 304次 阅读
数学推导+纯Python实现机器学习算法

全面评测对iPhoneXS系列的实力进行解读

实测结果显示,iPhone XS系列的安兔兔跑分高达332569分,GeekBench单核跑分为48....

的头像 iPhone频道 发表于 10-16 11:20 964次 阅读
全面评测对iPhoneXS系列的实力进行解读

纳米结构如何提高光学传感器的灵敏度?

该团队研究的光子纳米结构由具有规则孔状图案的硅层组成,其上覆有由硫化物制成的量子点涂层。激光激发后,....

发表于 10-15 16:20 59次 阅读
纳米结构如何提高光学传感器的灵敏度?

如何利用机器学习提高光学传感器灵敏度?

纳米结构的几何形状只要满足特定条件,并匹配入射光的波长,就能够大幅提高光学传感器的灵敏度。

的头像 MEMS 发表于 10-15 16:17 400次 阅读
如何利用机器学习提高光学传感器灵敏度?

回归预测之入门

最近一段时间再看斯坦福大学几期学习的教学视频,有百度首席工程师、百度大脑以及百度研究院的负责人吴恩达教授讲述,内容深入浅...

发表于 10-15 10:19 105次 阅读
回归预测之入门

如何利用机器学习提高光学传感器灵敏度?

        纳米结构的几何形状只要满足特定条件,并匹配入射光的波长,就能够大幅提高光学传感器的...

发表于 10-15 09:51 72次 阅读
如何利用机器学习提高光学传感器灵敏度?

如何通过机器学习和人工智能实现SDN?

服务提供商眼中的SDN现状凭借其对网络简化和新收入流的优势,软件定义网络无疑已经引起了服务提供商的强....

的头像 机器人博览 发表于 10-14 11:10 619次 阅读
如何通过机器学习和人工智能实现SDN?

微软新的机器学习框架核心产品机器学习引擎infer.NET的概述

感觉微软对开源上瘾了。在开源了跨平台机器学习框架ML.NET之后,微软又开源了一个非常重要的机器学习....

的头像 人工智能 发表于 10-14 11:01 383次 阅读
微软新的机器学习框架核心产品机器学习引擎infer.NET的概述

Xilinx Alveo U200数据中心加速器卡的主要性能和优势

启用 Alveo 加速器卡是 Xilinx 及合作伙伴应用的一个生态系统,主要面向数据中心的工作负载....

发表于 10-14 08:48 99次 阅读
Xilinx Alveo U200数据中心加速器卡的主要性能和优势

2018年全球物联网将呈现那四大趋势

Statista 2018还显示,2015年至2025年全球连接设备的数量将从15亿将增加750亿。....

发表于 10-14 07:52 315次 阅读
2018年全球物联网将呈现那四大趋势

讨论游戏Emoji Scavenger Hunt的内部运作方式

Emoji Scavenger Hunt 游戏的核心功能是识别您的相机所看到的物体,并将其与游戏要求....

的头像 TensorFlow 发表于 10-13 10:41 369次 阅读
讨论游戏Emoji Scavenger Hunt的内部运作方式

探讨另一个问题:为什么要成为数据科学家?

这份工作描述去哪求荒谬且广泛的技术及非技术技能以及涵盖各个行业的的工作经验。对于数据和非数据相关的工....

的头像 新智元 发表于 10-13 09:33 419次 阅读
探讨另一个问题:为什么要成为数据科学家?

亚马逊机器学习专家发现,他们的新型招聘工具并不欢迎女性

高盛公司也创建了自己的简历分析工具,目的是选出最契合公司的候选人。而世界最大的职业招聘网站Linke....

的头像 论智 发表于 10-13 09:15 621次 阅读
亚马逊机器学习专家发现,他们的新型招聘工具并不欢迎女性

GAN之父Goodfellow回顾自己当年的科研经历

近日,NeuroAscent联合创始人、数据科学家Sanyam Bhutani对Ian Goodfe....

的头像 论智 发表于 10-13 09:11 337次 阅读
GAN之父Goodfellow回顾自己当年的科研经历

自动图片文本辨认是计算机视觉和机器学习处理大型数据的重要案例

从计算机视觉的角度来看,虽然对人类来说,看真实的文件和影印版的没有太大差别,但对计算机就大不一样了:....

的头像 论智 发表于 10-13 08:54 382次 阅读
自动图片文本辨认是计算机视觉和机器学习处理大型数据的重要案例

如何发展物联网战略

亚马逊公司前高管约翰·罗斯曼分享他的清单,可以为组织开发物联网战略提供一定的参考。 物联网(IoT)可能是互联网时代曙光之...

发表于 10-12 10:03 134次 阅读
如何发展物联网战略

物联网时代企业需要什么样的人才?

物联网(IoT)技术的大爆发时代即将到来,世界将进入真正的万物互联。据记者 了解,某科技公司高管明确表示,现在与客户所谈的项...

发表于 10-12 10:00 97次 阅读
物联网时代企业需要什么样的人才?

黄仁勋在刚刚结束的GTC Europe主题演讲都有哪些内容?

据分析师估计,面向数据科学和机器学习的服务器市场每年价值约为200亿美元,加上科学分析和深度学习市场....

的头像 英伟达NVIDIA中国 发表于 10-12 09:14 783次 阅读
黄仁勋在刚刚结束的GTC Europe主题演讲都有哪些内容?

苹果公司悄然花费大约3000万美元购买Spektral

本次收购可能会对Apple的AR计划产生重大影响。能够正确隔离实时视频中的特定元素可以实现ARKit....

的头像 AR联盟 发表于 10-12 09:13 782次 阅读
苹果公司悄然花费大约3000万美元购买Spektral

重温多种增强循环神经网络的方式

一提起 RNN,我们最容易想到的实现就是 LSTM + attention。LSTM 作为经典的网络....

的头像 人工智能 发表于 10-11 15:10 317次 阅读
重温多种增强循环神经网络的方式

AI系统存在巨大缺陷 看图识物比不上人类幼儿

上个月,来自约克大学和多伦多大学的两名研究人员合作发表了一篇论文:The Elephant in t....

的头像 罗欣 发表于 10-11 14:25 410次 阅读
AI系统存在巨大缺陷 看图识物比不上人类幼儿

探索“What-If”场景通常意味着编写一次性的自定义代码来分析特定模型

What-If 工具拥有各种功能,包括使用 Facets 自动可视化数据集、手动编辑数据集示例并查看....

的头像 TensorFlow 发表于 10-11 11:31 307次 阅读
探索“What-If”场景通常意味着编写一次性的自定义代码来分析特定模型

利用面向Google Cloud的Microchip AVR® MCU开发板,轻松一点即可创建安全的连网应用

新解决方案让设计人员能够在Google Cloud IoT Core的人工智能和机器学习架构中轻松。

的头像 人间烟火123 发表于 10-11 10:45 1485次 阅读
利用面向Google Cloud的Microchip AVR® MCU开发板,轻松一点即可创建安全的连网应用

机器学习笔试题精选

机器学习是一门理论性和实战性都比较强的技术学科。在应聘机器学习相关工作岗位时,我们常常会遇到各种各样的机器学习问题和知识...

发表于 10-11 10:03 122次 阅读
机器学习笔试题精选

LinkedIn宣布收购旨在提高企业和其他组织员工参与度的初创公司Glint

Glint公司的现有产品包括员工参与度、员工生命周期、管理有效性和团队有效性。该公司往往会对员工进行....

的头像 企业通信D1net 发表于 10-10 17:35 641次 阅读
LinkedIn宣布收购旨在提高企业和其他组织员工参与度的初创公司Glint

JavaScript也能玩机器学习—— 5个开源 JavaScript 机器学习框架

作者 | 极链科技Video++技术中心前端Team整理 | 包包3个月前,公司AI团队给我们分享了....

的头像 张康康 发表于 10-10 13:43 250次 阅读
JavaScript也能玩机器学习—— 5个开源 JavaScript 机器学习框架

9月份最热门的机器学习开源项目TOP 5

论文和代码 相信大家都曾为如何自己实现论文中的代码而苦恼过,在互联网上搜索相关的代码可以说是非常的令人煎熬。在这个 rep...

发表于 10-10 13:39 112次 阅读
9月份最热门的机器学习开源项目TOP 5

假设不懂数据科学,如何解决问题?

常识告诉你,应该选择那些最忠诚的顾客,毕竟,他们是最可能对邮件感兴趣的人。(不过,其实这个问题也可以....

的头像 论智 发表于 10-10 09:09 260次 阅读
假设不懂数据科学,如何解决问题?

干货 | TensorFlow的55个经典案例

导语:本文是TensorFlow实现流行机器学习算法的教程汇集,目标是让读者可以轻松通过清晰简明的案例深入了解 TensorFlow。这些...

发表于 10-09 11:28 144次 阅读
干货 | TensorFlow的55个经典案例

中国AI超越美国了——在投资上

同时,虽然美国继续创造最大规模的创业和风险资本活动,但其占全球总量的份额已大幅下降,从20世纪90年....

的头像 新智元 发表于 10-09 09:09 612次 阅读
中国AI超越美国了——在投资上

浅析Uber的一键式聊天架构

通过机器学习和自然语言理解结束,Uber实现了一套智能的聊天系统,从而有效的提升司机和乘客之间的沟通....

的头像 LiveVideoStack 发表于 10-08 16:55 702次 阅读
浅析Uber的一键式聊天架构

开发者应该学习哪种编程语言才能获得机器学习或数据科学这类工作呢?

这时,Python仍然是领导者,但C++现在是第二,然后是Java,而C在第四,R只在第5。这里显然....

的头像 电子发烧友网 发表于 10-08 15:53 440次 阅读
开发者应该学习哪种编程语言才能获得机器学习或数据科学这类工作呢?

借助强大的机器学习算法,科学家们提高了新物质探索开发的效率

研究人员利用Hartree-Fock作为输入来预测电子结构的相关能量。整体的相关能量通过来自占据分子....

的头像 将门创投 发表于 10-08 15:17 369次 阅读
借助强大的机器学习算法,科学家们提高了新物质探索开发的效率

关于LSTM和GRU的详细图解指南

当你浏览评论时,你的大脑下意识地只会记住重要的关键词,比如“amazing”和“awsome”这样的....

的头像 电子发烧友网工程师 发表于 10-08 14:52 330次 阅读
关于LSTM和GRU的详细图解指南

9月最受欢迎的机器学习开源项目Top10!

YOLOv3 是当前最先进的实时检测目标的系统,相比于前两个版本,第三版针对小目标的精度有显著提升。....

的头像 电子发烧友网工程师 发表于 10-08 14:39 313次 阅读
9月最受欢迎的机器学习开源项目Top10!

分享一个自己写的机器学习线性回归梯度下降算法

单变量线性回归算法,利用Batch梯度梯度下降算法迭代计算得到误差最小的代价函数theta0,theta1。调节学习率a可以观察拟合得到的...

发表于 10-02 21:48 240次 阅读
分享一个自己写的机器学习线性回归梯度下降算法

25个机器学习面试题,你都会吗?

机器学习有非常多令人困惑及不解的地方,很多问题都没有明确的答案。但在面试中,如何探查到面试官想要提问的知识点就显得非常...

发表于 09-29 09:39 253次 阅读
25个机器学习面试题,你都会吗?

25个机器学习面试题,你都会吗?

机器学习有非常多令人困惑及不解的地方,很多问题都没有明确的答案。但在面试中,如何探查到面试官想要提问的知识点就显得非常...

发表于 09-29 09:39 253次 阅读
25个机器学习面试题,你都会吗?