發(fā)簡信
IP屬地：天津
-
服丹
次日清晨，陽光射進(jìn)洞內(nèi)，盡管是炎炎夏日，此時(shí)洞內(nèi)卻是十分陰冷。 滿盞三人一夜未睡，反倒是木籠內(nèi)那個(gè)癡呆的孩童，后半夜也呼呼大睡起來。 怪道士醒來...
-
多租戶設(shè)計(jì)
1，簡單說說多租戶 多租戶是指同一套軟件服務(wù)可以供多個(gè)用戶使用，并且保證這多個(gè)用戶的數(shù)據(jù)相互隔離。通俗理解就是電商平臺(tái)中入駐的商家，這多個(gè)商家只...
-
Face++產(chǎn)品分析1，產(chǎn)品和本文介紹 Face++是曠視推出面向開發(fā)者，以API或SDK形式，將計(jì)算機(jī)視覺技術(shù)開放給開發(fā)者。 2，F(xiàn)ace++組織結(jié)構(gòu) face+...
-
【No5】信息與熵本篇內(nèi)容主要講清信息與熵的概念，為EM算法打下基礎(chǔ)。 信息：i(x)=-log(p(x))如果說概率p是對(duì)確定性的度量，那么信息就是對(duì)不確定性的...
-
【No4】先驗(yàn)與后驗(yàn)概率，貝葉斯定理
概念介紹： 先驗(yàn)概率：根據(jù)以往的經(jīng)驗(yàn)和分析得到的概率，如全概率公式，他往往作為“由因求果”，問題中的“因”的“因”出現(xiàn)。 后驗(yàn)概率：依據(jù)得到“結(jié)...
-
【No3】極大似然估計(jì)（MLE）
概念： 已知某個(gè)隨機(jī)樣本滿足某種概率分布，但是其中具體的參數(shù)不清楚，參數(shù)估計(jì)就是通過若干次試驗(yàn)，觀察結(jié)果，利用結(jié)果推出參數(shù)的大概值。 最大似然估...
-
【No2】決策樹與分類概述
1，決策樹模型概述 決策樹可以同時(shí)用于分類和回歸兩種業(yè)務(wù)處理。在分類問題上，表示基于特征對(duì)實(shí)例進(jìn)行分類的過程。相比于樸素貝葉斯分類，決策樹的優(yōu)勢...
-
【No1】人工智能的技術(shù)支撐與應(yīng)用場景前言：自己一股腦在學(xué)習(xí)機(jī)器學(xué)習(xí)，Python等知識(shí)點(diǎn)時(shí)，有種身在迷宮的感覺，出于以始為終的思維，開始從行業(yè)，應(yīng)用場景來了解AI，機(jī)器學(xué)習(xí)等。本文...
-
用戶畫像簡述
用戶畫像是真實(shí)用戶的虛擬代表，產(chǎn)品經(jīng)理建立用戶畫像通常建立在數(shù)據(jù)之上。用戶畫像包括但不限于用戶的屬性和使用產(chǎn)品的習(xí)慣。 在工作中，用戶畫像能...