博客
很多时候，我们在学习过程中迷失了方向，从而失去了继续学习的动力。许多概念需要系统化。但是今天，我想为大家介绍机器学习的所有概念，这些概念将有助于你更快地了解这个领域。这篇文章将适合那些刚刚入门并且已经在实践中开始使用机器学习的人。
随着更多的开发功能逐渐以安装包的形式发布，长长的功能包列表可能会让你眼花缭乱。为此，我们在Unity 2020.1中更新了包管理器，更改了功能包列表的展示方式，方便开发者详细了解使用预览包的影响，让开发过程更加可控。
游戏优化不仅是程序员的工作，更需要美工人员在游戏的美术上进行一定的权衡，例如避免使用全屏的屏幕特效，避免使用计算复杂的shader，减少透明混合造成的overdraw等。这是由程序和美工人员等各部分人员共同参与的工作。
机器学习是通过算法使得机器从大量历史数据中学习规律，从而对新样本做分类或者预测。一个机器学习过程主要分为三个阶段：（1）训练阶段，训练阶段的主要工作是根据训练数据建立模型。（2）测试阶段，测试阶段的主要工作是利用验证集对模型评估与选择。（3）工作阶段，工作阶段的主要工作是利用建立好的模型对新的数据进行预测与分类。
如今，越来越多的组织将其业务从内部部署基础设施迁移到云平台。根据调研机构Gartner公司的预测，到2022年，云计算服务行业的增长速度将比整体IT服务快三倍。典型的业务依赖于公共云和私有云的组合以及传统的内部部署基础设施。
机器学习问题之中，通常需要建立模型来解决具体问题，但对于模型的好坏，也就是模型的泛化能力，如何进行评估呢？很简单，我们可以定一些评价指标，来度量模型的优劣。比如准确率、精确率、召回率、F1值、ROC、AUC等指标，但是你清楚这些指标的具体含义吗？一起来看看吧。
随着深度学习的快速发展，人们创建了一整套神经网络结构来解决各种各样的任务和问题。尽管有无数的神经网络结构，这里有十一种对于任何深度学习工程师来说都应该理解的结构，可以分为四大类: 标准网络、循环网络、卷积网络和自动编码器。
在人工智能领域中，深度学习掀起了最近一次大的浪潮，也是目前最受关注、获得投资最多的一类。但要知道，深度学习并非机器学习唯一的方法，更非AI唯一的方法（人工智能>机器学习>深度学习）。
在公共安全、应急响应、工业自动化、自动驾驶汽车和医疗物联网(IoMT)领域，IoT部署已从基于智能家居设备和可穿戴设备等基于消费级应用扩展到关键任务应用。物联网的“ 5C”是物联网设计面临的五个主要挑战，即连通性、连续性、合规性、共存性和网络安全性。
近几年，机器学习异常火爆，可以用来解决各种各样的问题，但却很少有人意识到机器学习本身也容易受到攻击，终于Ian Goodfellow和Papernot首次将机器学习的攻击提出，并且做了很多非常重要的研究，这里给出这二位大牛的博客的翻译，有兴趣的朋友可以关注一下，觉得还是很有意思的研究。本文也是安全方面的学习，有兴趣的希望可以一起讨论学习~~
传统的渲染方式下所做的光照计算流程称为前向渲染。这是一种十分直接的方式，在顶点着色器中对所有待渲染对象的顶点进行一系列的变换，这些变换通常是将顶点的法线和位置变换到裁剪空间。
智能家居集成越来越受欢迎，尤其是在现代，越来越多的人被Covid-19限制在家里。据Statista统计，目前澳大利亚有110万户家庭安装了智能安全系统，预计到2023年这一数字将翻一番，在新西兰还有20万户。智能安全系统包括网络摄像头、视频门铃和其他安全和访问控制设备，旨在防止家庭入侵和盗窃。
许多自监督方法使用[pretext tasks]来生成代理标签，并将无监督学习问题转化为有监督学习的问题。一些例子包括旋转预测，图像着色，拼图等。然而，这样的pretext任务是依赖于领域的，需要专业知识来设计它们。
物联网设备的发展是最近几年最令人兴奋的趋势之一。然而，随着如此多的新无线设备进入网络，人们对如何有效地管理它们表示了极大关切。得益于5G和边缘计算技术，企业将很快改造其网络，以释放物联网设备的真正潜力，并将其覆盖范围扩大到以前服务不足的地区。
