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。

热门推荐

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

Juergen Gall团队展示他们的预测未来系统

在他们的实验中,Gall和他的团队使用数小时的视频数据来演示不同的烹饪动作(例如煎鸡蛋、拌沙拉等),....

的头像 人工智能 发表于 06-19 15:35 178次 阅读
Juergen Gall团队展示他们的预测未来系统

用机器学习模型来跑大数据预测2018年世界杯

英国BBC主播加里·莱因克尔(Gary Lineker)曾有著名的理论:足球是个很简单的运动,不就是....

的头像 人工智能 发表于 06-19 15:32 204次 阅读
用机器学习模型来跑大数据预测2018年世界杯

增强机器学习能力的“左膀右臂”的GPU、FPGA芯片

FPGA是帮助公司和研究人员解决问题的芯片。FPGA是一种集成电路,可以编程为多种用途。它有一系列“....

的头像 人工智能学家 发表于 06-19 15:27 150次 阅读
增强机器学习能力的“左膀右臂”的GPU、FPGA芯片

机器学习实用指南——准确率与召回率

受试者工作特征(ROC)曲线是另一个二分类器常用的工具。它非常类似与准确率/召回率曲线,但不是画出准....

的头像 人工智能爱好者社区 发表于 06-19 15:20 132次 阅读
机器学习实用指南——准确率与召回率

BP神经网络概述

BP 神经网络是一类基于误差逆向传播 (BackPropagation, 简称 BP) 算法的多层前....

的头像 人工智能爱好者社区 发表于 06-19 15:17 117次 阅读
BP神经网络概述

机器学习实用指南——多类分类与误差分析

分析混淆矩阵通常可以给你提供深刻的见解去改善你的分类器。回顾这幅图,看样子你应该努力改善分类器在数字....

的头像 人工智能爱好者社区 发表于 06-19 15:08 132次 阅读
机器学习实用指南——多类分类与误差分析

如何用PaddlePaddle手写一个垃圾邮件分类器

拿到数据后我们可以很清楚的看到邮件的内容,但并不是所有的内容都是我们需要的,在这里我们仅提取了邮件中....

的头像 人工智能爱好者社区 发表于 06-19 15:05 114次 阅读
如何用PaddlePaddle手写一个垃圾邮件分类器

Facebook的研究可能会改变这一切,将闭眼替换为睁开的眼睛

在测试中,人们错误地将虚假的睁眼照片误认为是真实的照片,或者说他们不能确定哪些是真实的,认为这样的被....

的头像 1号机器人网 发表于 06-19 10:28 178次 阅读
Facebook的研究可能会改变这一切,将闭眼替换为睁开的眼睛

三分钟解读机器学习及其算法汇总

人工智能大师西蒙曾说过:“学习就是系统在不断重复的工作中对本身能力的增强或者改进,使得系统在下一次执....

发表于 06-19 09:11 19次 阅读
三分钟解读机器学习及其算法汇总

机器学习中的特征选择的5点详细资料概述

特征选择是一个重要的“数据预处理” (data preprocessing) 过程,在现实机器学习任....

的头像 人工智能爱好者社区 发表于 06-18 17:24 132次 阅读
机器学习中的特征选择的5点详细资料概述

英国也正在探索如何成为人工智能领域的领导者

为进一步巩固伦敦的技术创新能力,萨迪克汗当天还公布了一个推进智慧伦敦建设的路线图,其中包括改进光纤连....

的头像 高工智能未来 发表于 06-16 16:11 1397次 阅读
英国也正在探索如何成为人工智能领域的领导者

菲律宾呼叫中心行业希望今年能创造出多达7万个工作岗位和10亿美元的额外收入

报告显示,51%的受访者从事需要中级技能的工作。他们的工作范围从提供解决方案到更复杂的客户问题、处理....

的头像 CTI论坛 发表于 06-15 15:14 2539次 阅读
菲律宾呼叫中心行业希望今年能创造出多达7万个工作岗位和10亿美元的额外收入

讨论深度学习的不同方式,让你了解客户的声音

本体和词汇是这些方法的基石。他们定义了特定行业或企业的词汇。然而,关键字提供了有限的洞察力,不能涵盖....

的头像 CTI论坛 发表于 06-15 15:12 377次 阅读
讨论深度学习的不同方式,让你了解客户的声音

恩智浦推出基于机器学习开发环境的解决方案

恩智浦的机器学习方案支持可扩展处理解决方案,同时兼顾成本和最终用户体验需求。

的头像 人间烟火123 发表于 06-15 14:14 1102次 阅读
恩智浦推出基于机器学习开发环境的解决方案

分享自己用于搞定数据处理和机器学习的开发环境

如果你想要针对每个环境独立控制对各类 pip 包的管理,那么这就是一款绝佳的工具比如,你可以为 We....

的头像 TensorFlow 发表于 06-15 09:53 267次 阅读
分享自己用于搞定数据处理和机器学习的开发环境

小样本学习领域的研究进展

人类从少量样本中去思考,还能用这个做什么;而机器则是见到了上亿的数据,却希望下一个与之前的相似。

的头像 深度学习大讲堂 发表于 06-15 09:11 367次 阅读
小样本学习领域的研究进展

怎样用AR全方位观看世界杯?

研究人员开发的是一种机器学习算法,可以将2D足球片段转换成3D重建,观众可以使用微软的HoloLen....

的头像 AR联盟 发表于 06-15 08:56 329次 阅读
怎样用AR全方位观看世界杯?

机器学习可能面临的一些攻击行为

对抗输入(Adversarial inputs):这是经过精心设计过的输入,其目的就是为了迷惑分类器....

的头像 论智 发表于 06-14 15:55 435次 阅读
机器学习可能面临的一些攻击行为

人工智能学会战略性遗忘:三种方法

人的遗忘是策略式的,而机器的遗忘是计算式的。人工智能越来越频繁地出现在人们的生活中,而其技术上的重大....

的头像 重庆人工智能 发表于 06-14 10:31 330次 阅读
人工智能学会战略性遗忘:三种方法

50个机器学习实用API

还在为找不到机器学习的API而烦恼吗?本篇文章将介绍一个包含50+关于人脸和图像识别,文本分析,NL....

的头像 传感器技术 发表于 06-13 18:20 423次 阅读
50个机器学习实用API

微型化是机器学习应用的一条出路

相信机器学习可以在微小的、低功耗的芯片上运行,这种技术将解决目前方案中的瓶颈问题。

的头像 新智元 发表于 06-13 18:10 720次 阅读
微型化是机器学习应用的一条出路

机器学习经典损失函数比较

所有的机器学习算法都或多或少的依赖于对目标函数最大化或者最小化的过程。我们常常将最小化的函数称为损失....

的头像 将门创投 发表于 06-13 17:53 326次 阅读
机器学习经典损失函数比较

又一全新交互技术诞生,用人工智能给图像配音

近日,日本研究人员通过一款叫“Imaginary Soundscape”的网络应用程序,使用机器学习....

的头像 高工智能未来 发表于 06-13 17:31 886次 阅读
又一全新交互技术诞生,用人工智能给图像配音

更廉价、更快速的数学运算使人工智能机器学习成为可能

机器学习实际上是一种预测机制。它试图预测一个人是否患有癌症;自动驾驶汽车是否应停止、加速、转弯或继续....

的头像 CTI论坛 发表于 06-13 16:51 542次 阅读
更廉价、更快速的数学运算使人工智能机器学习成为可能

ABB与北人智能举行了数字化转型战略合作交流活动

当前,随着互联网和数字技术的全面应用,北人智能以完善产业结构、培育核心能力和提升产业价值为目标,逐步....

的头像 ABB中国 发表于 06-13 11:57 616次 阅读
ABB与北人智能举行了数字化转型战略合作交流活动

使用更“时尚”的数据开启机器学习的 Hello World 之门

也许是我们的模型需要更大一些来容纳如此搞复杂度的模型?抑或训练应该更少一些?我们来试试看。经过屡次调....

的头像 TensorFlow 发表于 06-13 11:08 280次 阅读
使用更“时尚”的数据开启机器学习的 Hello World 之门

解读图灵思想中的人工智能

作为当前人工智能主流的“机器学习”与图灵所探讨的“学习机器”,其思考的角度和深刻性完全不同,启迪良多....

的头像 人工智能学家 发表于 06-13 09:39 332次 阅读
解读图灵思想中的人工智能

机器学习预测世界杯的结果你相信吗?机器学习的应用

机器学习和大数据的方法正越来越多地被用在比赛结果预测上,不仅是世界杯,也不仅是结果,球队组成、战术选....

的头像 新智元 发表于 06-12 19:00 702次 阅读
机器学习预测世界杯的结果你相信吗?机器学习的应用

深度学习科普文:最通俗易懂 从老虎机到电子游戏

机器学习和数据科学的专家Emmanuel Ameisen分享了自己对深度学习的理解,用简明扼要的方式....

的头像 论智 发表于 06-12 19:00 487次 阅读
深度学习科普文:最通俗易懂 从老虎机到电子游戏

Uber最新人工智能技术专利,醉酒乘客更安全到家

Uber最新人工智能技术专利曝光,通过“机器学习技术”识别乘客是否处于醉酒状态从而为其定制相关的乘车....

的头像 机器人大讲堂 发表于 06-12 17:36 902次 阅读
Uber最新人工智能技术专利,醉酒乘客更安全到家

推荐系统的算法、评估和冷启动解决方案

推荐系统是机器学习技术在企业中最成功和最广泛的应用之一。你可以在许多用户与项目交互的场景中应用推荐系....

的头像 中国人工智能学会 发表于 06-12 15:20 237次 阅读
推荐系统的算法、评估和冷启动解决方案

“小数据,大任务”范式是人工智能统一的目标

朱松纯教授曾多次强调:要搞清楚人工智能的发展趋势,首先得回顾历史,正本清源。朱教授曾将人工智能发展的....

的头像 中国人工智能学会 发表于 06-12 15:17 563次 阅读
“小数据,大任务”范式是人工智能统一的目标

Summit成最新超级计算领域世界冠军

刚刚,美国推出一台名为“ Summit ”的超级计算机。这台超级计算机是由IBM在英伟达帮助下开发的....

的头像 物联网前沿 发表于 06-12 14:56 398次 阅读
Summit成最新超级计算领域世界冠军

Summit:比普通笔记本电脑快100万倍,比神威·太湖之光快2倍

研究人员发现,图形芯片可以为深度神经网络技术提供更多计算力,这也是计算机可以在声音识别、棋盘游戏等方....

的头像 芯智讯 发表于 06-11 14:37 686次 阅读
Summit:比普通笔记本电脑快100万倍,比神威·太湖之光快2倍

神经网络是在许多用例中提供了精确状态的机器学习算法

超参数是必须初始化到网络的值,这些值是神经网络在训练时无法学习到的。例如:在卷积神经网络中,一些超参....

的头像 人工智能爱好者社区 发表于 06-11 11:47 363次 阅读
神经网络是在许多用例中提供了精确状态的机器学习算法

基于Datalore开发机器学习项目的体验

好吧,这行代码看着稍微有点长,其实在Datalore里打起来非常快,因为很多地方稍微敲一两个字母就可....

的头像 论智 发表于 06-11 11:23 331次 阅读
基于Datalore开发机器学习项目的体验

关于贝叶斯和MCMC一些数学原理的讲解和代码的实现

不论是学习概率统计还是机器学习的过程中,贝叶斯总是是绕不过去的一道坎,大部分人在学习的时候都是在强行....

的头像 人工智能头条 发表于 06-11 08:51 607次 阅读
关于贝叶斯和MCMC一些数学原理的讲解和代码的实现

NLP的介绍和如何利用机器学习进行NLP以及三种NLP技术的详细介绍

本文用简洁易懂的语言,讲述了自然语言处理(NLP)的前世今生。从什么是NLP到为什么要学习NLP,再....

的头像 人工智能头条 发表于 06-10 10:26 685次 阅读
NLP的介绍和如何利用机器学习进行NLP以及三种NLP技术的详细介绍

人工智能、机器学习、深度学习有什么关系?

有三个词,这两年出现的频率越来越高:人工智能(AI),机器学习(ML),深度学习(DL),到底他们哥....

的头像 机器人博览 发表于 06-08 15:19 886次 阅读
人工智能、机器学习、深度学习有什么关系?

我们对目前机器学习进展的衡量有多可靠?

一项伯克利和MIT合作的新研究,对过去近十年中提出的一些经典分类器(比如VGG和ResNet)进行再....

的头像 人工智能 发表于 06-08 14:38 251次 阅读
我们对目前机器学习进展的衡量有多可靠?

重塑需求牵引和技术驱动下的智能制造发展模式和技术体系

大规模个性化定制生产和服务型制造的发展趋势,使得制造模式由目前的集中式向分布式方向发展. 生产链条....

的头像 智能制造 发表于 06-08 10:51 443次 阅读
重塑需求牵引和技术驱动下的智能制造发展模式和技术体系

AI大行其道,你准备好了吗?

在互联网领域从事机器学习的人基本上属于以下两种背景:其中绝大部分是程序员出身,这类童鞋工程经验相对会....

的头像 电子发烧友网工程师 发表于 06-08 09:24 598次 阅读
AI大行其道,你准备好了吗?

我们目前在机器学习方面的进展有多可靠?

不幸的是,我们通常对相同分布中的新数据的访问受限。现如今,人们已经普遍接受在整个算法和模型设计过程中....

的头像 中国人工智能学会 发表于 06-07 16:37 511次 阅读
我们目前在机器学习方面的进展有多可靠?

苹果发布新版机器学习应用套件Core ML 2

苹果称,由于采用了批量预测技术,Core ML 2速度提高了30%。

的头像 重庆人工智能 发表于 06-07 15:30 912次 阅读
苹果发布新版机器学习应用套件Core ML 2

自动摄影仍是未攻克的一道难题,相机能自动捕捉不平凡的瞬间吗?

为了确定训练数据中的内容标签,我们使用了支持 Google 图像搜索和 Google 照片的 Goo....

的头像 TensorFlow 发表于 06-07 10:53 311次 阅读
自动摄影仍是未攻克的一道难题,相机能自动捕捉不平凡的瞬间吗?

使用强化学习从数据本身中找出最佳图像转换策略

AutoAugment 根据所运行的数据集学习不同的转换。例如,对于包含数字自然场景的街景(SVHN....

的头像 新智元 发表于 06-06 17:59 497次 阅读
使用强化学习从数据本身中找出最佳图像转换策略

CoreML推出2.0,速度提升30%,最高将模型大小缩减75%

iOS 12中的新屏幕时间功能,将详细说明各款App上花费用户多少时间。用户还可以按类别(游戏,社交....

的头像 新智元 发表于 06-06 17:54 1125次 阅读
CoreML推出2.0,速度提升30%,最高将模型大小缩减75%

三星电子引入两名AI专家提升机器学习技术

菜鸟再次推出快递新产品——菜鸟快递塔,该快递塔高度超过5米,呈正八面体形,配备自动传动系统,通过对接....

的头像 高工智能未来 发表于 06-06 17:46 985次 阅读
三星电子引入两名AI专家提升机器学习技术

不断进化的WWDC发展战略,大会上看到哪些苹果最新的软件和工具?

苹果还在WWDC上详细介绍了其双镜头Portrait照片背后的“魔法”,并公开了它的Depth AP....

的头像 iPhone频道 发表于 06-06 16:11 1344次 阅读
不断进化的WWDC发展战略,大会上看到哪些苹果最新的软件和工具?

人工智能是医学的下一个前沿

在5月初谷歌(GOOG, Google)大型开发者大会上,首席执行官桑达尔·皮查伊(Sundar P....

的头像 机器人博览 发表于 06-06 14:53 439次 阅读
人工智能是医学的下一个前沿

不可错过 | 集成学习入门精讲

发表于 06-06 10:11 199次 阅读
不可错过 | 集成学习入门精讲

AI知识科普 | 从无人相信到万人追捧的神经网络

发表于 06-05 10:11 159次 阅读
AI知识科普 | 从无人相信到万人追捧的神经网络

机器学习、深度学习、卷积神经网络...人工智能时代的曙光

发表于 05-22 09:54 1139次 阅读
机器学习、深度学习、卷积神经网络...人工智能时代的曙光

关于机器学习模块KNN算法错误91的问题?

发表于 04-02 15:08 323次 阅读
关于机器学习模块KNN算法错误91的问题?

请问labview可以调用在matlab里训练出的机器学习模型吗?可以的话应该怎么做?

发表于 03-21 23:20 365次 阅读
请问labview可以调用在matlab里训练出的机器学习模型吗?可以的话应该怎么做?

阿里云MaxCompute,用计算力让数据发声

发表于 01-22 17:45 600次 阅读
阿里云MaxCompute,用计算力让数据发声

机器学习基础|深入理解拉格朗日乘子法

发表于 12-13 20:25 732次 阅读
机器学习基础|深入理解拉格朗日乘子法

在机器学习的应用上,软件工程师和FPGA真的有着难以逾越的鸿沟吗?

发表于 12-11 15:54 1515次 阅读
在机器学习的应用上,软件工程师和FPGA真的有着难以逾越的鸿沟吗?

高级机器学习算法工程师--【北京】

发表于 12-07 14:34 1342次 阅读
高级机器学习算法工程师--【北京】

现在很火的机器学习,人工智能,深度学习,神经网络,怎么肥四?

发表于 10-26 15:12 555次 阅读
现在很火的机器学习,人工智能,深度学习,神经网络,怎么肥四?