博客

图像处理就是一个典型的门槛低、厅堂深的领域。不需要太多基础，学过线性代数，会一点编程就够了；但是那些算法却深不可测，是个消耗功夫的活儿。

可穿戴技术并非完全是新技术。最早的可穿戴技术是1286年发明的，当时眼镜首次使近视者能够清楚地看到远距离。在整个20世纪，小工具制造商都喜欢将新技术应用于头带，手表和鞋子，即使它降低了功能性。

在machine learning中，特征降维和特征选择是两个常见的概念，在应用machine learning来解决问题的论文中经常会出现。

建筑、工程和施工行业(AEC)的开发者们看过来：Unity Reflect更新啦！本次Unity Reflect的新版本更新包括：支持SketchUp和Rhino文件的插件、一款安卓查看器、Unity 2019.3的兼容、Bug修复以及其它改进。

随着物联网(IoT)的普及，越来越多无线连接设备已进入市场。尽管不再需要电源线，但在对于今天市面上大量的智能设备而言，电池的使用寿命仍然是一个极大的挑战。

看到一句话讲图像和图形的区别，认为很精准：图像是从图到数据；图形是从数据到图。图像学图是基础，图形学图是终点。图像学是为了分析图像，图形学是为了得到图像。

我们真的需要联网汽车吗？有人可能会告诉您，它们提高了安全性，确保了卓越的用户体验。但是，如果这仅仅是一个以更高价格向您出售新车的骗局呢？汽车制造商真的需要采用所有最新和最时髦的技术来赢得买家吗？

这篇文章是来自牛津大学的一个副教授写的文章，科普了下人工智能当前的发展情况，主要是5件事情，包括人工智能已经融入我们日常生活中、它们可以用于解决气候问题、人工智能的学习方式、检测deepfakes以及人工智能很难变得真正的智能，即很难成为一个真正的人类一样去学习和理解世界上的所有事情。

UGUI是unity官方开源的一套简单易用的UI框架，虽然简单易用，但如果不注意性能方面的优化，最后也可能会做出不佳的体验效果。以下几点是通过实战项目的总结得出来的优化建议，希望对使用UGUI框架的unityer有参考意义。

我们都知道，在进行数据挖掘或者机器学习模型建立的时候，因为在统计学习中，假设数据满足独立同分布，即当前已产生的数据可以对未来的数据进行推测与模拟，因此都是使用历史数据建立模型，即使用已经产生的数据去训练，然后使用该模型去拟合未来的数据。

图形（Graph）和图像（Image）都是多媒体系统中的可视元素，虽然它们很难区分，但确实不是一回事。

三者之间既有区别，又有联系，不确切的描述：计算机图形学≈画图；计算机视觉≈看图；数字图像处理≈看图前沐浴更衣焚香做好各种仪式，然后再看图。

众所周知，梯度下降算法是机器学习中使用非常广泛的优化算法，也是众多机器学习算法中最常用的优化方法。几乎当前每一个先进的(state-of-the-art)机器学习库或者深度学习库都会包括梯度下降算法的不同变种实现。但是，它们就像一个黑盒优化器，很难得到它们优缺点的实际解释。

如今，科技界最热门的话题莫过于最先进、最前沿、最令人兴奋的数据科学和机器学习了。然而，要想紧跟该领域的进步和发展，你需要付出大量努力来研究、阅读和查看信息、新闻、指南以及其他内容。

世界各国政府正在迅速采取行动，以确保现有的法律、法规以及框架，能够在人工智能技术变革中继续起效，应对由新浪潮带来的种种新挑战。

人工智能技术具有正、反两方面的作用，在造福于人类的同时，也存在各种风险。理论上可能存在四种风险：技术失控、技术误用、应用风险、管理失误。

人工智能相关岗位中，涉及到的内容包含：算法、深度学习、机器学习、自然语言处理、数据结构、Tensorflow、Python 、数据挖掘、搜索开发、神经网络、视觉度量、图像识别、语音识别、推荐系统、系统算法、图像算法、数据分析、概率编程、计算机数学、数据仓库、建模等关键词，基本涵盖了现阶段人工智能细分领域的人才结构。

机器学习是什么，是用来干什么的？机器学习就是样本中有大量的x（特征量）和y（目标变量）然后求这个function。机器学习是让机器寻找函数Y=f(X)的过程，使得当我们给定一个X时，会返回我们想要得到的Y值。

人工智能如何处理数据？如果把重点放在数据的处理方式上，那么长期共存的方式大概有两种： 特征学习、特征工程。

又到了一年中的这个时候，各界专业人士纷纷对未来一年做出预测。……所以，今天我们将注意力转向2020年的物联网。那么，未来几个月的主要挑战、机遇和创新将是什么？