爱可可老师24小时热门分享(2019.3.10)

No 1. 'Chrome插件英雄榜, 为优秀的Chrome插件写一本中文说明书, 让Chrome插件英雄们造福…
No 2. 【十个步骤让Python项目迈向成功:如何添加测试、CI、代码覆盖率等】
No 3. 磁场从未如此直观 http://t.cn/EM4QKux ​
No 4. 【新书:《Python无监督学习实战:用未标记数据构建实用机器学习解决方案》】
No 5. 【开源notebooks,基于深度学习,在无人机/航空影像上实现最先进的建筑物检测、分割和分类】
No 6. 在iOS设备本地运行Jupyter notebooks
No 7. 共勉~ [思考] ​
No 8. 工作:计算机图形程序员。所需技能:擅长矩阵转置,取负,乘/除π,XY互换,或YZ互换,直到搞定。 …
No 9. 【跳出争论,将R与Python“双剑合璧”】
No 10. 【ARM GPU等边缘计算设备上的深度学习视频监控、人脸识等】
No 11. 冰葡萄+冷水 ❄️ http://t.cn/EVzMOIK ​
No 12. 【基于机器学习的实时AR效果(新版ARCore)】
No 13. 完全有可能在不理解的情况下建造一些东西……计算领域的下一次革命将以模拟系统的兴起为标志,而数字编程将…
No 14. “我要自己开公司,不伺候老板了”
No 15. 【第三定律:计算的未来是模拟】
No 16. #AI 看不懂#
No 17. 晚安~ [月亮] ​
No 18. 《Variational Discriminator Bottleneck: Improving Imitation Learning, Inverse RL, and GANs by Constraining Information Flow》
No 19. 早![太阳]
No 20. 引言到底该怎么写,我最近在论文里看到最好的结构,是简短的四段式:领域背景 – 最先进水平、有什么问题…
No 21. GitHub:http://t.cn/EM4KVte
No 22. 【CMU神经网络自然语言处理课程(2019):新增ELMo/BERT上下文词表示、模型可解释性等内容,PyTorch/DyNet代码示例】
No 23. 《Imposing Label-Relational Inductive Bias for Extremely Fine-Grained Entity Typing》
No 24. 【Windows计算器(C++)】
No 25. 【图深度学习库DGL】
No 26. 《自然语言处理实践:聊天机器人技术原理与应用》
No 27. 日本的单轨铁路枢纽 [good] http://t.cn/EceK5e2 ​…
No 28. 有些网站禁止未登陆用户访问,但会对搜索引擎开绿灯。开绿灯的方式有可能只是简单地判断 User Age…
No 29. 《It’s Only Natural: An Excessively Deep Dive Into Natural Gradient Optimization》
No 30. 【机器学习随机优化和搜索算法包】
No 31. 《Python深度学习》
No 32. “Carnets – Carnets is a stand-alone Jupyter notebook server and client”
No 33. 'PyTorch implementation of pose proposal networks'…
No 34. 【BrainBox:Web应用程序,可以对3D大脑成像数据进行实时、协同注释、分割】
No 35. 和牛人同班是种什么体验? http://t.cn/EMwOMzG ​…
No 36. 【测试时图像增广库(TTA)】
No 37. 《Graph-RISE: Graph-Regularized Image Semantic Embedding》
No 38. 【用于记录、检索与机器学习开发者、数据科学家工作流相关元数据的库】
No 39. 《Python编程:从数据分析到数据科学》
No 40. 《Why Learning of Large-Scale Neural Networks Behaves Like Convex Optimization》
No 41. 【以图的形式看矩阵和概率】
No 42. 更新至Lecture12.Structured Prediction with Local Inde…
No 43. 欢迎大家推荐自己最喜欢的书,充实小屋,题材不限,好看就行 [嘻嘻][作揖]…
No 44. 【C++包管理器】
No 45. 《A Survey on Graph Processing Accelerators: Challenges and Opportunities》
No 46. 《Discovering Visual Patterns in Art Collections with Spatially-consistent Feature Learning》
No 47. 《The principles of adaptation in organisms and machines I: machine learning, information theory, and thermodynamics》
No 48. 【在操作中学习潜在规划(大规模多任务机器人技能学习)】
No 49. 糟糕的坚持:没完没了的重复一无所成。好的坚持:不断调整方法直到收获结果。
No 50. 医疗新科技:可以代替“缝针”

发表评论

电子邮件地址不会被公开。 必填项已用*标注