OCAEN.GZY读书城南

PHP（超文本预处理器） 百度百科定义： ​ PHP（外文名:PHP: Hypertext Preprocessor，中文名：“超文本预处理器”）是一种通用开源脚本语言。语法吸收了C语言、Java和Perl的特点，利于学习，使用广泛，主要适用于Web开发领域。PHP 独特的语法混合了C、Java、Perl以及PHP自创的语法。它可以比CGI或者Perl更快速地执行动态网页。 特性 PHP的特性包括： PHP 独特的语法混合了 C、Java、Perl 以及 PHP 自创新的语法。 PHP可以比CGI或者Perl更快速的执行动态网页——动态页面方面，与其他的编程语言相比， PHP是将程序嵌入到HTML文档中去执行，执行效率比完全生成htmL标记的CGI要高许多； PHP具有非常强大的功能，所有的CGI的功能PHP都能实现。 PHP支持几乎所有流行的数据库以及操作系统。 最重要的是PHP可以用C、C++进行程序的扩展！ 优势 开放源代码 ​ 所有的PHP源代码事实上都可以得到。 免费性 ​ 和其它技术相比，PHP本身免费且是开源代码。 快捷性 ​ 程序开发快，运行快，技术本身学习快 ...

About ME 👋 读书城南，🤔 在未来面前，我们都是孩子～ 📙 一个热衷于探索学习新方向、新事物的智能产品经理，闲暇时间喜欢coding💻、画图🎨、音乐🎵、学习ing~ 👋 Social Media 🛠️ Blog: http://oceaneyes.top ⚡ PM导航: https://pmhub.oceangzy.top ☘️ CNBLOG: https://www.cnblogs.com/oceaneyes-gzy/ 🌱 AI PRJ自己部署的一些算法demo: http://ai.oceangzy.top/ 📫 Email: 1450136519@qq.com 💬 WeChat: OCEANGZY 💬 公众号: UncleJoker-GZY 👋 加入小组~ 👋 感谢打赏~

深度学习通过基于神经网络模型逐级表示越来越抽象的概念或模式 单层神经网络：线性回归、Softmax回归 线性回归输出是一个连续值，适用于回归问题。 ​ 如：预测房屋价格、气温、销售额等连续值问题 Softmax回归适用于分类问题，分类问题中的模型最终输出是一个离散值。 ​ 如：图像分类、垃圾邮件识别、疾病检测等输出离散值 线性回归 线性回归基本要素 以房屋价格预测为例：假设价格只取决于 面积（平方米） 和房龄（年） 模型 设房屋面积为x1 ,房龄为x2 ， 售出价格为y 。建立基于输入x1, x2来计算输出y的表达式，即——模型（Model） 线性回归假设输出与各个输入之间的线性关系： y‘ = x1w1 + x2w2 + b; 其中w1;w2 是权重（weight），b 是偏差（bias），且均为标量;是线性回归模型的参数（parameter）；模型输出y'是线性回归对真实价格y的预测／估计 模型训练 模型训练（model training）：通过数据寻找特定的模型参数值，使得模型在数据上误差尽可能小。 训练数据 训练数据集（training data set ）/ 训练集（tra ...

序言 纸上得来终觉浅，绝知此事要躬行。 与其设计一个解决问题的程序，不如从最终需求入手来寻找一个解决方案。 核心思想：用数据编程 目前机器学习和深度学习应用共同的核心思想：用数据编程。 机器学习 讨论各式各样适用于不同问题的函数形式 如何使用数据来有效的获取函数参数具体价值 深度学习是机器学习中的一类函数，形式通常为多层神经网络 深度学习处理复杂高纬度数据 处理图像 文本预料 声音信号 ...... 起源 自古以来，人类一直渴望从数据中分析出预知未来的窍门。 数据分析正是大部分自然科学的本质，从日常观测中提取规则，并找寻不确定性。 历史渊源 雅各比·伯努利（1655–1705）提出了描述只有两种结果的随机过程（例如抛掷⼀枚 硬币）的伯努利分布 卡尔·弗里德里希·高斯（1777–1855）发明了今日仍广泛使用在从保险计算到医学诊断等领域的最小二乘法 雅各比·科贝尔（1460–1533）的几何书中记载了使用16 名男子的平均脚长来估计男子的平均脚长 罗纳德·费雪（1890–1962）对于统计学理论和统计学在基因学中的应⽤功不可没。他发明的许多算法和公式，例如线性判别 ...

AI数据标注是什么 ​ 只要跟“监督学习”沾边的产品／技术，比如图像识别、人脸识别、自然语言处理等，都又一个必不可少的流程： image-20190225160952429 不断的使用标注后的数据去训练模型，不断调整模型参数，得到指标熟知更高的模型。 数据处理流程拆解 数据标注 数据质量直接影响模型质量 数据标注人员角色 标注员：标注员负责标记数据 审核员：审核员负责审核被标记数据的质量 管理员：管理人员、发放任务、统计工资 只有数据被审核员审核通过后，这批数据才能被算法同事使用 数据标记流程 任务分配 标记程序设计 进度跟踪 质量跟踪 模型训练 示例：为提高识别精确度，可以采用的方式如： 补充数据 提供正例数据 提供负例数据 进而及提高差异度的识别 优化数据 修改以往的错误标注 模型测试 如无后台设计，则测试只能由人工抽样计算，繁琐且效率低下；故可以考虑后台计算 模型测试需关注的指标 精确率；又叫准确率 ​ 识别为正确的样本数 ／ 识别出来的样本数 召回率；又叫查全率（Recall Rate） ​ 识别为正确的样本数 ／ 所有样本中的正确的数 精 ...

人工智能的三大要素 Algorithm 算法 Big Data 数据 计算力 About ME 👋 读书城南，🤔 在未来面前，我们都是孩子～ 📙 一个热衷于探索学习新方向、新事物的智能产品经理，闲暇时间喜欢coding💻、画图🎨、音乐🎵、学习ing~ 👋 Social Media 🛠️ Blog: http://oceaneyes.top ⚡ PM导航: https://pmhub.oceangzy.top ☘️ CNBLOG: https://www.cnblogs.com/oceaneyes-gzy/ 🌱 AI PRJ自己部署的一些算法demo: http://ai.oceangzy.top/ 📫 Email: 1450136519@qq.com 💬 WeChat: OCEANGZY 💬 公众号: UncleJoker-GZY 👋 加入小组~ 👋 感谢打赏~

AI是什么 AI，“Artificial Intelligence”的缩写，中文“人工智能”；可以理解为让机器具备类似人的智能，从而代替人类完成某些工作和任务。 “强人工智能” 能够像人类一样去思考和推理，具备自我意识 “弱人工智能” 机器表现出来的特征是智能的，但是不具备自我意识 通过相关规则编程，使机器按照程序逻辑完成特定的任务 针对某一任务向机器提供大量数据，使机器自己去学习，继而挖掘出规律，从而完成任务 弱人工智能 机器学习 从模型层次结构的角度可以分为浅层学习和深度学习 浅层学习（Shallow Learning） 模型层次较浅，通常没有隐藏层、或只有一层隐藏层 可以做一些预测、分类、聚类、降低数据维度、压缩数据、商品推荐系统等工作 常见算法： 线性回归 逻辑回归 随机森林 SVM K-means RBM AutoEncoder PCA SOM …… 深度学习（Deep Learning） “深”是因为通常具有较多的隐藏层，进而拥有表达更多复杂函数的能力，进而能识别更复杂的特征 主要集中在CNN 和RNN CNN CNN为Convolution Neura ...

人工智能的诞生：1943 - 1956 在20世纪40年代和50年代，来自不同领域（数学，心理学，工程学，经济学和政治学）的一批科学家开始探讨制造人工大脑的可能性。1956年，人工智能被确立为一门学科。 1956年的夏天，香农和一群年轻的学者在达特茅斯学院召开了一次头脑风暴式研讨会。会议的组织者是马文·闵斯基，约翰·麦卡锡和另两位资深科学家Claude Shannon以及Nathan Rochester，后者来自IBM。与会者包括Ray Solomonoff，Oliver Selfridge，Trenchard More，Arthur Samuel，Newell和Simon，他们中的每一位都将在AI研究的第一个十年中作出重要贡献。 会议虽然叫做“达特茅斯夏季人工智能研究会议”，其实它不同于今天我们召开几天的学术会议，因为一来没有什么可以报告的科研成果，二来这个会议持续了一个暑假。事实上，这是一次头脑风暴式的讨论会，这10位年轻的学者讨论的是当时计算机尚未解决，甚至尚未开展研究的问题，包括人工智能、自然语言处理和神经网络等。 会上纽厄尔和西蒙讨论了“逻辑理论家”，而麦卡锡则说服与会者接受 ...

几种机器学习算法原理 机器学习过程 什么问题适合用机器学习解决 几种常见的模型和算法 About ME 👋 读书城南，🤔 在未来面前，我们都是孩子～ 📙 一个热衷于探索学习新方向、新事物的智能产品经理，闲暇时间喜欢coding💻、画图🎨、音乐🎵、学习ing~ 👋 Social Media 🛠️ Blog: http://oceaneyes.top ⚡ PM导航: https://pmhub.oceangzy.top ☘️ CNBLOG: https://www.cnblogs.com/oceaneyes-gzy/ 🌱 AI PRJ自己部署的一些算法demo: http://ai.oceangzy.top/ 📫 Email: 1450136519@qq.com 💬 WeChat: OCEANGZY 💬 公众号: UncleJoker-GZY 👋 加入小组~ 👋 感谢打赏~

常见推荐机制/算法 基础推荐机制 机制 应用场景 原理概述 内容推荐 适用于冷启动 基于内容的协同过滤 数据量较大 判断内容相似度，相似度高的内容；播放内容A的用户，也会对内容B感兴趣 基于用户的协同过滤 数据量较大，但数据量越大可信度越低 把数据代入专门计算相似度的公式，获得不同用户（二者）口味的相似度；推测相似度高的用户，喜好的内容也类似，进而可以相互推荐 基于标签的推荐 适用于冷启动 协同过滤的风险 协同过滤技术在个性化推荐初期具有较好的效果，但随着产品结构、内容复杂度和用户人数的不断增加，协同过滤技术的缺点也一点一点的暴露出来了。 稀疏性（sparity） 大多数推荐系统中，每个用户涉及的信息量较为有限；用户数据最多不过评估到了百分分之一，造成评估矩阵数据相当稀疏，增加寻找相似用户集的难度，导致推荐效果大大降低 扩展性（scalability） “最近邻居”算法的计算量虽则用户和项的增加而大大增加，对于百万之巨的数目，通常的算法将遭遇严重的扩展性问题 精确性（accuracy） 寻找相近用户来产生推荐集，在数据量较大的情况下，推 ...