跳转到主要内容
不容错过的12个深度学习面试问题

这12个问题是当前面试中最热门的问题,既是非常基础的问题,也能看出面试者的水平,具有区分度。无论是面试官还是求职者都可以看看。

2019年的智能家居,离不开这十个关键词

随着技术的发展以及人民生活水平的提高,智能家居产品逐渐渗透到我们生活的方方面面,并为我们带来舒适、便捷的居住环境。2019年,随着技术的发展和推动,智能家居行业又出现了一些新的产品和技术。

WI-FI 6能否革新物联网应用?

关于5G对智慧城市发展的影响的文章已经屡见不鲜。不过,另一个不太受人关注的技术是Wi-Fi 6,它可以在幕后发挥作用,并对智慧城市中的物联网设备产生革命性的影响,甚至不亚于5G。WiFi 6将提供更快的速度、更低的延迟和更高的设备连接性。它将与5G互为补充,各有利弊。

人工智能的矛与盾:对抗学习

最近几年安全界关于对抗学习的研究如火如荼,对抗样本的生成技术发展迅速。本文从对抗样本前沿的攻击算法出发讨论对抗学习中的攻击方式,并介绍对抗攻击的防御机制,从研究的角度分析对抗学习的矛与盾。

深入浅出人脸识别

我们知道人脸识别在这几年应用的相当广泛,目前已有人脸考勤、人脸社交、人脸支付等一系列使用场景。“人脸识别”这项“黑科技”对生活中的各个领域都产生了非常重要的影响,特别这几年机器学习的流行,使得人脸识别在应用和准确率更是达到了一个较高的水准。本文将带着大家揭秘下这项黑科技的原理。

完整机器学习项目的工作流程

明确问题是进行机器学习的第一步。机器学习的训练过程通常都是一件非常耗时的事情,胡乱尝试时间成本是非常高的。这里的抽象成数学问题,指的我们明确我们可以获得什么样的数据,目标是一个分类还是回归或者是聚类的问题,如果都不是的话,如果划归为其中的某类问题。

什么是异构并行计算?CPU与GPU的区别是什么?

同构计算是使用相同类型指令集和体系架构的计算单元组成系统的计算方式。而异构计算主要是指使用不同类型指令集和体系架构的计算单元组成系统的计算方式,常见的计算单元类别包括CPU、GPU、DSP、ASIC、FPGA等。

【下载】Imagination Inspire年度技术盛会PPT分享Imagination Technologies Inspire 2019 PPT分享,欢迎下载!
【下载】Imagination Inspire年度技术盛会 | 智能汽车:由汽车安全技术,安全性和认证驱动《智能汽车:由汽车安全技术,安全性和认证驱动》——Volker PolitzImagination 细分市场副总裁
【下载】Imagination Inspire年度技术盛会 | 加快人工智能:从边缘到云《加快人工智能:从边缘到云》——Andrew Grant,Imagination 人工智能高级总监
【下载】Imagination Inspire年度技术盛会 | 深入解析全新一代GPU《深入解析全新一代GPU》——Kristof Beets,Imagination PowerVR图形产品管理高级总监
【下载】Imagination Inspire年度技术盛会 | 新品发布:万物的GPU新品发布:万物的GPU——Steve Evans,Imagination PowerVR 产品执行副总裁
【下载】Imagination Inspire年度技术盛会 | 主题演讲:IMG 新视野主题演讲:IMG 新视野——Ronald Black 博士,Imagination 首席执行官
2019年十大物联网灾难性事件

12月23日,Treatpost发表评论文章,盘点2019年度十大物联网灾难性事件。① 200万个物联网设备易受攻击;② Mirai僵尸网络继续增长;③ 智能锁的安全隐患;④ 物联网设备中系统性缺陷;⑤ 物联网酒店设备的隐私问题;⑥ 亚马逊Ring涉嫌泄露摄像头隐私......

五分钟读懂AIoT

本文详细介绍了为什么IoT需要AI,目前AIoT的发展也可以分为单机智能、互联智能到主动智能的三个阶段以及AIoT的应用场景。

动作游戏老是卡?试试从这些方面提升流畅度

常常有玩家会在游戏评论提到“打击感好”、“流畅度高”等等,如何才能让玩家有这样的感受呢?本文将和大家聊聊动作游戏的流畅度。

过去 10 年,智能手机因何而变?

对大部分人来说,智能手机可能是过去 10 年里,给自己带来最大影响的数字消费品,整个手机行业也同样经历了跌宕起伏的变化。

2020年值得关注的7大人工智能趋势

人工智能将来会给人类带来巨大的潜力,当然在某些方面也会为人类带来风险。它虽然处于起步阶段,但该领域专家预测,2020年AI将会大力促进社会的发展。

机器学习-逻辑回归

我们可以按照任务的种类,将任务分为回归任务和分类任务。那这两者的区别是什么呢?按照较官方些的说法,输入变量与输出变量均为连续变量的预测问题是回归问题,输出变量为有限个离散变量的预测问题成为分类问题。

机器学习-随机森林

随机森林就是通过集成学习的思想将多棵树集成的一种算法,它的基本单元是决策树,而它的本质属于机器学习的一大分支——集成学习(Ensemble Learning)方法。